À l'échelle mondiale, la prématurité est l'une des principales causes de décès chez les enfants de moins de cinq ans. Un nouvel algorithme combiné à un ordinateur de poche, Un appareil basé sur un smartphone pourrait aider les travailleurs de la santé dans des endroits éloignés à estimer les degrés de prématurité des nourrissons touchés. Ces informations peuvent être cruciales pour l'administration de traitements vitaux.

La nouvelle méthode est basée sur des études cliniques antérieures montrant que l'âge gestationnel peut être calculé à partir de la densité des vaisseaux sanguins dans une région spécifique de l'œil. Dans la revue The Optical Society (OSA) Optique Biomédicale Express , les chercheurs rapportent que leur méthode automatisée pour analyser la vidéo de l'œil dans la plupart des cas a surpassé une méthode manuelle pour déterminer l'âge gestationnel de 124 nouveau-nés.

"Nous avons inventé un système entièrement automatique, algorithme d'apprentissage automatique qui utilise des images acquises avec un dispositif portable basé sur smartphone pour classer l'âge gestationnel d'un nouveau-né, " a déclaré Arjun D. Desai de l'Université Duke, premier auteur de l'article. "Nous nous attendons à ce que l'algorithme soit utile pour l'estimation de l'âge gestationnel à distance et au point de service des nouveau-nés prématurés dans les pays à faible revenu sans avoir besoin d'experts médicaux."

Les chercheurs ont créé des logiciels utilisant le nouvel algorithme open source et disponibles gratuitement en ligne. En collaboration avec Jennifer B. Griffin de RTI International, le logiciel sera encore testé et affiné lors d'un prochain essai clinique à grande échelle en Afrique subsaharienne et en Asie du Sud, où se produisent plus de 60 pour cent des naissances prématurées dans le monde. L'essai est financé par la Fondation Bill et Melinda Gates.

« Notre travail démontre que les approches d'apprentissage automatique combinées à des les systèmes d'imagerie optique non invasifs peuvent traiter les ressources gourmandes en ressources, problèmes de santé mondiaux complexes, " a déclaré l'auteur principal du journal, Sina Farsiu, des départements de génie biomédical et d'ophtalmologie de l'Université Duke.

Aucun expert nécessaire

La nouvelle approche consiste à utiliser un ophtalmoscope, un instrument portable utilisé pour inspecter l'œil, fixé à la lentille d'une caméra de smartphone pour acquérir une vidéo des vaisseaux sanguins dans une partie de l'œil connue sous le nom de capsule antérieure du cristallin. Pour supprimer le besoin d'un expert pour capturer des images, les chercheurs ont développé un algorithme qui analyse automatiquement la vidéo pour identifier l'image de la plus haute qualité et la région d'intérêt pour l'analyse.

Une fois la vidéo capturée, le système applique des techniques de calcul, notamment des réseaux de neurones convolutifs et des algorithmes d'apprentissage automatique, pour évaluer les caractéristiques de l'image dans la région d'intérêt et estimer l'âge gestationnel. Ces approches d'intelligence artificielle permettent au système informatique d'apprendre des données et de s'améliorer avec l'expérience.

Les chercheurs ont testé leur nouvelle approche sur un groupe de 124 nouveau-nés aux États-Unis. Ils ont comparé leur méthode automatisée à la méthode manuelle la plus performante, qui consiste à sélectionner manuellement l'image de la plus haute qualité dans la vidéo, identifier la zone montrant la capsule antérieure du cristallin, puis en appliquant un modèle de la relation entre la densité des vaisseaux sanguins et l'âge gestationnel. Ils ont appliqué les deux méthodes sur des nouveau-nés ayant six âges gestationnels :inférieur ou égal à 33 ans, 34, 35, 36, 37 et 38 semaines. La méthode automatique a donné des résultats aussi bons ou meilleurs que la méthode manuelle à tous les âges gestationnels, à l'exception de 33 semaines.

S'étendre à d'autres parties du monde

"Notre travail est une première étape vers le développement d'un pipeline entièrement automatique pour déterminer l'âge gestationnel qui est précis et robuste aux différences entre les nouveau-nés, " dit Desai. " Si besoin, nous allons affiner notre algorithme en utilisant des données de populations avec des zones géographiques différentes, origines raciales et socio-économiques.

Lors du prochain essai clinique, les chercheurs prévoient de collecter des vidéos de nouveau-nés dans des pays à faible revenu pour voir à quel point la nouvelle méthode fonctionne pour ces enfants. Ils s'attendent à ce que la méthode d'analyse d'imagerie automatisée combinée à d'autres biomarqueurs d'imagerie non invasifs obtiendra les meilleurs résultats.