Cinq pathologies de la rétine, des « experts » qui se spécialisent : ce que montre un Mixture-of-Experts parcimonieux sur le fond d’œil

Nagur Shareef Shaik et ses collègues proposent une architecture qui n’applique pas le même calcul à toutes les images du fond d’œil : un routage « parcimonieux » aiguille chaque photo vers un sous-réseau spécialisé — un « expert » — selon la pathologie présente, avec en amont un module d’attention guidé par les lésions. Sur un jeu de cinq classes (œil sain, rétinopathie diabétique, DMLA, membrane épirétinienne, glaucome) évalué en validation croisée patient-disjointe, le modèle atteint une AUC macro de 0,912 et un F1 macro de 0,653, et surtout ses experts se spécialisent réellement par maladie (p < 0,001). C’est une contribution élégante sur l’interprétabilité, mais l’écart entre l’AUC flatteuse et le F1 modeste, et l’absence de validation externe, rappellent qu’un joli mécanisme ne fait pas encore un outil de dépistage.

Le contexte

La photographie du fond d’œil est un examen courant et peu coûteux : une image couleur de la rétine, du nerf optique et des vaisseaux, prise en quelques secondes. C’est l’un des rares endroits du corps où l’on observe directement des vaisseaux et du tissu nerveux, ce qui en fait un terrain privilégié pour le dépistage automatisé — la rétinopathie diabétique en est l’exemple le plus abouti.

Problème : dans la vraie vie, un même œil cumule souvent plusieurs atteintes. Un patient diabétique âgé peut présenter à la fois une rétinopathie diabétique, une dégénérescence maculaire liée à l’âge (DMLA) et un début de glaucome. Or la plupart des classifieurs par apprentissage profond traitent chaque image avec exactement le même calcul, quel que soit son contenu : un unique réseau « monolithique » censé tout faire. Cette uniformité colle mal à une réalité où les signes d’une DMLA (dépôts au centre de la macula) n’ont rien à voir avec ceux d’un glaucome (excavation du nerf optique) ou d’une membrane épirétinienne (un fin voile fibreux à la surface de la rétine).

L’idée du Mixture-of-Experts (mélange d’experts, MoE) répond précisément à cela : plutôt qu’un seul réseau, on en entraîne plusieurs — les « experts » — et un module d’aiguillage (le routage) décide, pour chaque image, lesquels activer. Quand ce routage est parcimonieux (sparse), seule une petite fraction des experts travaille sur une image donnée : on gagne en capacité et en spécialisation sans payer le coût de calcul de tout le réseau à chaque fois. C’est cette mécanique, déjà populaire chez les grands modèles de langage, que les auteurs importent dans le dépistage rétinien — en la couplant à un travail antérieur de la même équipe, le Guided Context Gating, un module d’attention qui apprend à se concentrer sur les lésions saillantes de l’image.

La méthode

L’architecture enchaîne deux briques. En entrée, le Guided Context Gating (GCG) : un mécanisme d’attention spatiale qui pondère les régions de l’image selon leur pertinence — il apprend, en quelque sorte, où regarder, en mettant en avant les zones lésées plutôt que le fond uniforme de la rétine. Les représentations ainsi filtrées sont découpées en tokens (jetons de caractéristiques, l’équivalent de petits morceaux d’image encodés), puis passées au bloc Mixture-of-Experts.

Là, un réseau d’aiguillage (gating network) attribue chaque token à un sous-ensemble restreint d’experts — c’est le calcul conditionnel parcimonieux : le chemin suivi dans le réseau dépend du contenu de l’image. L’hypothèse des auteurs est que, si l’entraînement se passe bien, différents experts devraient finir par se spécialiser dans différentes pathologies, offrant une lecture interprétable de ce que « voit » le modèle.

L’évaluation porte sur cinq classes : œil sain, rétinopathie diabétique, DMLA, membrane épirétinienne et glaucome. Elle est menée en validation croisée patient-disjointe à cinq plis (5-fold) : on découpe les données en cinq parts, on entraîne sur quatre et on teste sur la cinquième, en tournant — et surtout, les images d’un même patient ne se retrouvent jamais à la fois dans l’entraînement et dans le test. Ce détail compte : mélanger les yeux d’un même patient entre train et test est une forme classique de data leakage (fuite de données) qui gonfle artificiellement les scores. Ici, les auteurs s’en prémunissent.

Deux métriques sont rapportées. L’AUC (aire sous la courbe ROC) mesure la capacité du modèle à classer un cas positif au-dessus d’un cas négatif ; 0,5 est le hasard, 1,0 la perfection. Le F1 combine précision (parmi les cas signalés, combien sont justes) et rappel (parmi les vrais cas, combien sont retrouvés). Le préfixe macro signifie que l’on fait la moyenne à parts égales entre les cinq classes : une maladie rare pèse autant qu’une fréquente, ce qui est plus exigeant — et plus honnête — qu’une moyenne globale dominée par la classe majoritaire.

Les résultats

Le modèle atteint une AUC macro de 0,912 (± 0,008) et un F1 macro de 0,653 (± 0,014). Les faibles écarts-types entre les cinq plis indiquent une performance stable d’un découpage à l’autre.

Le résultat central n’est toutefois pas le score brut mais la spécialisation des experts : l’allocation aux experts dépend significativement de la maladie (p < 0,001, c’est-à-dire qu’une telle association serait très improbable par simple hasard). L’œil sain et les pathologies morphologiquement distinctes — membrane épirétinienne, DMLA — se voient attribuer des experts dédiés. Les visualisations par Grad-CAM++ (une carte de chaleur indiquant les régions qui ont pesé sur la décision) et par t-SNE (une projection en deux dimensions des représentations internes) confirment que le routage s’aligne sur les lésions localisées, et que les cas où plusieurs pathologies coexistent se placent entre les groupes de leurs composantes — exactement ce qu’on attendrait d’un modèle qui « comprend » la cooccurrence plutôt que de la forcer dans une case unique.

Traduction clinique, prudente. Une AUC de 0,912 semble excellente, mais le F1 macro de 0,653 raconte une autre histoire : moyenné sur les cinq classes, l’équilibre précision/rappel reste médiocre, ce qui trahit des erreurs nombreuses sur au moins certaines catégories — vraisemblablement les moins fréquentes ou les plus subtiles, comme un glaucome débutant. Autrement dit, sur 1 000 images passées au crible, ce modèle trierait correctement la majorité des yeux sains et des cas francs, mais laisserait passer ou classerait mal une part non négligeable des pathologies discrètes. Le résumé ne fournit pas le détail par classe, ce qui empêche de dire précisément lesquelles souffrent — une limite en soi.

Ce qui est bien

Une interprétabilité ancrée dans la structure, pas plaquée après coup. Beaucoup de travaux ajoutent une carte de saillance en fin de parcours pour « expliquer » un réseau resté opaque. Ici, l’interprétabilité est constitutive : le routage vers des experts est un mécanisme interne, et sa dépendance à la maladie est établie statistiquement (p < 0,001). On tient une explication mesurable, pas une illustration.

Une prise au sérieux de la cooccurrence. Traiter les pathologies rétiniennes comme mutuellement exclusives est une simplification confortable mais fausse. Montrer, via la t-SNE, que les cas mixtes se positionnent entre leurs composantes est une manière concrète de rendre compte de la réalité multi-pathologique d’un œil, que la plupart des classifieurs écrasent.

Une hygiène expérimentale correcte. La validation patient-disjointe à cinq plis évite le piège du data leakage par patient, source d’AUC spectaculaires mais illusoires dans la littérature en imagerie. Ce n’est pas un exploit, mais c’est une rigueur qu’il faut créditer parce qu’elle est trop souvent négligée.

Ce qui est moins bien

Aucune validation externe. Tout repose sur une validation croisée interne, sur un seul jeu de cinq classes. On ne sait rien de la performance sur d’autres appareils de prise de vue, d’autres populations, d’autres pays. C’est le biais de population par excellence : un modèle calibré sur une distribution unique s’effondre régulièrement dès qu’on change de caméra ou de démographie. Sans cohorte externe, l’AUC de 0,912 ne dit rien de la généralisation.

Un grand écart entre AUC et F1, et des chiffres agrégés qui masquent. Voir 0,912 d’AUC et se réjouir serait tomber dans la métrique trompeuse. Sur une tâche multi-classes déséquilibrée, l’AUC peut rester élevée pendant que le F1 — plus proche de l’usage réel — reste moyen. Et ne publier que des macro-scores agrégés dissimule quelles pathologies le modèle rate. Pour un dépistage, savoir qu’on manque le glaucome débutant n’est pas un détail : c’est l’information décisive, et elle est absente.

Interprétable ne veut pas dire correct. Un routage qui se spécialise et des cartes Grad-CAM++ jolies ne prouvent pas que le modèle s’appuie sur le vrai signal pathologique. Les cartes de saillance sont connues pour être fragiles, et un expert « dédié à la DMLA » pourrait tout aussi bien capter un artefact de dataset corrélé à la DMLA — le shortcut learning, où le modèle apprend un raccourci parasite plutôt que la maladie. La cohérence apparente entre routage et lésions est encourageante, mais elle ne remplace pas une vérification contre ce mode d’échec. S’ajoute une zone d’ombre sur la reproductibilité : les détails de taille, de source du jeu de données et de disponibilité du code ne sont pas établis à ce stade.

Ce que ça change

Pour la communauté de recherche, le papier illustre une direction intéressante : faire du Mixture-of-Experts non pas seulement un outil de passage à l’échelle, mais un instrument d’interprétabilité pour le dépistage multi-maladies. L’analyse du routage comme diagnostic de ce qu’un modèle a réellement appris est une idée réutilisable au-delà de la rétine. C’est un apport méthodologique, pas une percée clinique.

Pour les cliniciens, l’impact immédiat est nul. On parle d’un prototype validé en interne, sans cohorte externe, sans évaluation prospective en condition réelle, sans statut réglementaire. Des outils de dépistage rétinien existent déjà en pratique — notamment pour la rétinopathie diabétique — mais ce travail se situe en amont, au stade de la preuve de concept architecturale. Comme d’autres approches d’imagerie rétinienne que nous avons décryptées (voir notre analyse sur la segmentation des couches internes de la rétine en OCT), la distance entre un bon score et un usage clinique reste considérable.

Pour les patients et le grand public, l’intérêt est conceptuel : on passe d’une logique « un modèle, une maladie » à des systèmes qui reconnaissent qu’un œil peut cumuler plusieurs problèmes à la fois — plus proche de la réalité d’une consultation. Mais un résultat sur un banc d’essai n’est pas un dispositif déployé, et la question du biais de population — le modèle marchera-t-il aussi bien sur toutes les populations et tous les appareils ? — reste entière, comme pour beaucoup d’IA d’imagerie (voir notre décryptage sur les signatures d’origine de dataset en mammographie).

Pour aller plus loin

Le préprint : Nagur Shareef Shaik et al., Disentangling Co-Occurring Retinal Pathologies with Saliency-Guided Sparse Expert Routing, arXiv:2608.09752 (2026). Le module d’attention réutilisé ici est décrit dans un travail antérieur de la même équipe, Guided Context Gating (arXiv:2406.13126). Pour le contexte sur les biais cachés en imagerie médicale, voir notre décryptage sur la détection de sous-groupes défavorisés sans métadonnées.