L'intelligence artificielle avec imagerie multimodale peut-elle surpasser les méthodes traditionnelles dans la prédiction de la progression de la dégénérescence maculaire liée à l'âge ? Une revue systématique et une méta-analyse exploratoire

La dégénérescence maculaire liée à l'âge (DMLA) est une cause majeure de perte de vision irréversible, et sa prévalence devrait augmenter avec le vieillissement de la population. La prédiction précoce de la progression de la DMLA est cruciale pour une gestion efficace. Cette revue systématique et méta-analyse évaluent l'exactitude, la sensibilité et la spécificité des algorithmes d'intelligence artificielle (IA) dans la détection et la prédiction de la progression de la DMLA. En suivant les lignes directrices PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), une revue systématique et une méta-analyse ont été menées depuis le début jusqu'au 7 février 2025. Nous avons inclus cinq études qui ont évalué la performance des algorithmes IA dans la prédiction de la progression de la DMLA en utilisant l'imagerie multimodale. Les données sur l'exactitude, la sensibilité et la spécificité ont été extraites, et une méta-analyse a été effectuée en utilisant le logiciel Comprehensive Meta-Analysis version 3.7. L'hétérogénéité a été évaluée à l'aide de la statistique I². Sur les cinq études, les modèles IA ont démontré une précision supérieure (différence moyenne : 0,07, IC 95 % : 0,07, 0,07 ; p < 0,00001) et une sensibilité (différence moyenne : 0,08, IC 95 % : 0,08, 0,08 ; p < 0,00001) par rapport aux spécialistes de la rétine. La spécificité a également montré un avantage minimal mais significatif pour l'IA (différence moyenne : 0,01, IC 95 % : 0,01, 0,01 ; p < 0,00001). Il est important de noter que l'hétérogénéité était minime à absente dans toutes les analyses (I² = 0-0,42 %), soutenant la fiabilité et la cohérence des résultats groupés. Les algorithmes d'IA surpassent les spécialistes de la rétine dans la prédiction de la progression de la DMLA, en particulier en termes de précision et de sensibilité. Ces résultats soutiennent le potentiel de l'IA dans la prédiction de la DMLA ; cependant, étant donné le nombre limité d'études incluses, les résultats doivent être interprétés comme exploratoires et nécessitent une validation à travers des études prospectives à grande échelle futures.