Détection opportuniste

Un modèle d’apprentissage profond repère le diabète de type 2 sur des radiographies thoraciques

Dans une étude parue le 7 juillet dans Nature Communications, des chercheurs américains ont développé une intelligence artificielle capable de détecter de manière incidente le diabète de type 2 à partir d'une radiographie thoracique. Testée sur une cohorte prospective, l'IA a atteint une aire sous la courbe ROC de 0,84.

icon réservé aux abonnésArticle réservé aux abonnés
Le 18/09/23 à 17:00 Lecture 3 min.

Le modèle d'apprentissage profond a repéré le diabète de type 2 avec une aire sous la courbe ROC de 0,84 dans la cohorte prospective. © Pyrros et coll. | Nature Communications

Le diabète de type 2 sera-t-il à l'avenir un incidentalome comme un autre ? C'est ce que semble suggérer une étude américaine parue début juillet dans Nature Communications [1]. Maladie multifactorielle en progression dans les pays développés avec une prévalence française estimée à 5 %, l'ampleur réelle du diabète de type 2 est difficile à évaluer : de fait, selon l'Inserm, 20 à 30 % des adultes diabétiques ne sont pas diagnostiqués.

Une maladie précoce difficile à repérer

Si le taux d’hémoglobine glyquée et la mesure de la glycémie à jeun posent le diagnostic, il reste difficile de déterminer quels sujets sont susceptibles de présenter un diabète de type 2 pour les orienter vers un test diagnostique, notamment à un stade précoce. Des chercheurs américains ont donc eu l'idée d'employer un modèle d'apprentissage profond afin de détecter les patients à risque de diabète de type 2 de manière opportuniste sur des radiographies thoraciques.

Entraînement sur 153 168 radiographies de patie

Il vous reste 80% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

OFFRE DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

Bibliographie

  1. Pyrros A., Borstelmann S. M., Mantravadi R. et coll., « Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs », Nature Communications, 7 juillet 2023. DOI : 10.1038/s41467-023-39631-x.

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

radiographie thoracique apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

17 Mai

16:00

Le constructeur GE HealthCare a dévoilé sa nouvelle IRM 3 T dédiée à l'imagerie cérébrale, spécialement conçue pour « faire avancer la recherche en IRM dans les procédures complexes en neurologie, oncologie et psychiatrie ». L’équipement est en attente de l'autorisation de la FDA et n’a pas encore le marquage CE, annonce GE HealthCare dans un communiqué.

13:30

Le scanner thoracique à très faible dose offre une grande précision dans la détection des anomalies pulmonaires post-COVID par rapport à un scanner à dose standard à moins d’un dixième de la dose de rayonnement. Il constitue donc une alternative pour le suivi des patients post-COVID, conclut une étude parue dans European Radiology.

7:30

Une étude publiée dans The Lancet Regional Health Western Pacific a identifié des anomalies cérébrales sur les IRM de personnes ayant eu des cas modérés à graves de Covid-19. Ces patients continuent de souffrir de troubles cognitifs, de symptômes psychiatriques et neurologiques et d’altérations fonctionnelles cérébrales, même après 2 ans d’infection, suggèrent les chercheurs.

7:00

16 Mai

16:01

L'IRM a une meilleure sensibilité et une spécificité égale à l'échographie transvaginale dans le diagnostic de l'endométriose profonde touchant la cloison recto-vaginale, selon une méta-analyse de huit articles portant sur 721 patientes (lien vers l'étude).

15:00

✕
Docteur Imago

GRATUIT
VOIR