Utilisation d’une machine à vecteur de support, pour la détection du kératocône et du kératocône subclinique par des données topographiques et tomographiques.
Arbelaez MC, Versaci F, Vestri G, Barboni P, Savini G. Ophthalmology. 2012 Nov;119(11):2231-8. doi: 10.1016/j.ophtha.2012.06.005. Epub 2012 Aug11
Objectif : Définir une nouvelle méthode de classification pour le diagnostic du kératocône basée sur les mesures cornéennes fournies par une caméra Scheimpflug combinée avec la topographie cornéenne Placido (SIRIUS, CSO, Florence , Italy). Conception : Série de cas rétrospective. Participants : Nous avons analysé les examens de 877 yeux avec kératocône, 426 yeux avec kératocône subclinique, 940 yeux avec des antécédents de chirurgie cornéenne (définie comme anormale) et 1259 yeux témoins sains. Méthodes : Pour chaque groupe, les yeux ont été divisés en une formation et un ensemble de validation. Une machine à vecteurs de support (SVM) a été utilisée pour analyser les mesures de la cornée et classer les yeux dans les 4 groupes de participants. Le classificateur a été entrainé pour considérer les indices obtenus à la fois sur les surfaces cornéennes antérieure et postérieure ou uniquement sur la surface cornéenne antérieure. Principales mesures utilisées : Indice de symétrie de la courbure cornéenne antérieure et postérieure, meilleur rayon d’ajustement de la surface cornéenne antérieure, indice antérieur Baiocchi Calossi Versaci (BCV (f)) et indice postérieur BCV (BCV (b)), racine quadratique moyenne des aberrations de hauts ordres de la surface cornéenne antérieure et postérieure et le point cornéen le plus fin ont été analysés. La performance diagnostique du classificateur a été évaluée. Résultats : La précision du classificateur était excellente, avec et sans les données générées à partir de la surface cornéenne postérieure et de l’épaisseur cornéenne, car le nombre de prédictions vraies était supérieur à 95% et 93%, respectivement, dans toutes les classes. La précision s’est améliorée le plus lorsque des données sur la surface de la cornée postérieure ont été incluses, en particulier dans les cas de kératocône subclinique. L’utilisation des données des surfaces cornéennes antérieures et postérieures et de la pachymétrie a permis au SVM d’augmenter sa sensibilité de 89,3% à 96,0% dans les yeux anormaux, de 92,8% à 95,0% dans les yeux avec kératocône, de 75,2% à 92,0% dans les yeux avec kératocône subclinique, et 93,1% à 97,2% dans les yeux normaux. Conclusions : L’algorithme de classification a montré une grande exactitude, précision, sensibilité et spécificité dans la distinction entre les yeux anormaux, les yeux avec kératocône ou kératocône subclinique et les yeux normaux. L’inclusion de la surface postérieure de la cornée et des paramètres d’épaisseur a nettement amélioré la sensibilité dans le diagnostic du kératocône subclinique. La classification peut être particulièrement utile pour exclure les yeux présentant des signes précoces d’ectasie cornéenne lors du dépistage des patients pour une chirurgie au laser excimer.