La prédiction des risques cardiovasculaires par les ophtalmologues présente un intérêt crucial dans le domaine de la santé. Les yeux sont un reflet unique de la santé vasculaire générale, offrant une fenêtre directe sur les microvasculatures systémiques.
En évaluant les paramètres vasculaires de l'œil, tels que ceux obtenus par l'angiographie avec produit de contraste et l'OCTA, les ophtalmologues peuvent contribuer à la détection précoce de signes indiquant un risque accru de maladies cardiovasculaires. Cette approche permet non seulement une évaluation complémentaire des facteurs de risque, mais aussi une possibilité de prévention précoce et ciblée des maladies cardiovasculaires. Les perspectives sont prometteuses, car en utilisant des modèles avancés d'intelligence artificielle de machine et de deep learning, les ophtalmologues pourraient non seulement prédire les risques cardiovasculaires, mais également aider à personnaliser les stratégies de prévention et de traitement pour chaque individu, améliorant ainsi la santé cardiovasculaire à grande échelle. Cette intégration transversale entre l'ophtalmologie et la cardiologie ouvre des portes vers une médecine plus préventive et personnalisée, offrant des opportunités significatives pour la santé publique.
L'objectif est de démontrer que les informations contenues dans les données des paramètres de l'angiographie avec produit de contraste et de l'OCTA constituent et déterminent un profil informationnel global, enrichi de l'ensemble des informations spécifiques à chacun des paramètres angiographiques, et permettent de prédire, à l'aide des modèles statistiques et algorithmiques de l'intelligence artificielle, les risques cardiovasculaires, tels que l'HTA, le diabète de type 1 et 2, l'hypercholestérolémie, avec une performance de prédiction satisfaisante.
Les maladies cardiovasculaires, principales causes de décès à l'échelle mondiale, bénéficient de la prévention par l'identification et la caractérisation des facteurs de risque. Notre étude vise à surmonter les limites des modèles statistiques en raison de la corrélation entre les paramètres d'angiographie avec produit de contraste et d'OCTA. En effet, les corrélations fortes peuvent être source de colinéarité et rendent instable les estimateurs et l'erreur standard des coefficients de régression des modèles de régression multivariés.
Pour cela, nous avons préalablement réalisé une étude de corrélation de ces paramètres angiographiques avant de justifier l'intérêt ou non de l'utilisation des modèles de régression multivariés. Les modèles statistiques, bien qu'interprétables, sont restreints par des hypothèses à tester a priori et limités dans la détermination des relations complexes et non linéaires entre les variables. À l'inverse, les modèles d'apprentissage automatique offrent une exploration exhaustive des données sans préjugés sur les informations à explorer. Ils permettent de tester un plus grand nombre de paramètres et d'interactions entre les variables, mais présentent des difficultés d'interprétabilité et des risques de surajustement (overfitting).
Ainsi, notre étude, vise à exploiter pleinement les capacités des modèles d'intelligence artificielle pour prédire les risques cardiovasculaires en se basant sur les paramètres vasculaires oculaires, tout en tenant compte des limites et des avantages de chaque approche analytique.
--
Purpose To highlight the influence of preocular and ocular vascular circulatory dynamics on the vascular density (VD) of retinal capillary plexuses (RCPs) and choriocapillaris (CC) in patients with and without cardiovascular risk (CVR) factors. Methods A retrospective observational study in patients with and without CVR factors (type 1 and 2 diabetes, arterial hypertension, and hypercholesterolemia). Fluorescein (FA) and indocyanine (ICGA) angiography circulatory times were arterial time (FAAT), start (FAstartLF) and end (FAendLF) of laminar flow, and arterial time (ICGAAT), respectively. OCT angi- ography VDs were superficial (VDSCP) and deep (VDDCP) RCPs and CC (VDCC) VDs. Correlation and regression analysis were performed after adjusting for confounding factors.
Results 177 eyes of 177 patients (mean age: 65.2 ± 15.9 years, n = 92 with and 85 without CVR) were included. VDSCP and VDDCP were significantly inversely correlated with FAAT, FAstartLF and FAendLF likewise VDCC with ICGAAT. Correlations were stronger in patients without CVR than with CVR. CVR, FAAT, FAstartLF and FAendLF were more strongly correlated with VDDCP than VDSCP. FAAT, FAstartLF and FAendLF significantly impacted VDSCP and VDDCP, likewise ICGAAT impacted VDDCP. VD CP was most strongly impacted by FAAT and FAstartLF.
Conclusion Ocular and pre-ocular circulatory dynamics significantly impacted RCPs and CC VDs, especially deep RCP.