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 mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

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

05 Mar

15:43

Une étude publiée dans Academic Radiology utilisant un suivi oculaire des radiologues lors de l’interprétation de scanners hépatiques, montre que la technique du « drilling » (fixation du regard sur une zone avec défilement rapide des coupes) est associée à une meilleure sensibilité pour détecter les métastases hépatiques que le « scanning ». Une durée d’interprétation plus longue est également liée à une sensibilité plus élevée, contrairement à la vitesse de défilement des images.

15:00

13:56

Une étude parue dans Academic Radiology montre que l’IRM hépatique à 5,0 T avec une demi-dose d’acide gadoxétique offre une qualité d’image supérieure ou équivalente à l’IRM à 3,0 T tout en permettant une réduction de 25 % du temps d’acquisition et en atténuant les artefacts de mouvement.

7:33

Une méta-analyse publiée dans Emergency Radiology évaluant 5 790 radiographies montre que l’intelligence artificielle détecte les épanchements du coude avec une sensibilité de 92,7 % et une spécificité de 97,8 %, des performances comparables à celles des médecins sans différence significative entre les deux groupes.

7:00

04 Mar

16:25

Une étude publiée dans Lancet Oncology alerte que le nombre de cas de cancer du sein pourrait atteindre les 3,5 millions d'ici 2050. (Etude)  
✕
Docteur Imago

GRATUIT
VOIR