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

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

31 Déc

15:55

Le signe de l'artère cérébrale moyenne hyperdense au scanner non injecté est associé à un résultat favorable à long terme chez les patients atteints d'un AVC bénéficiant d'une thrombectomie (étude).

13:51

Un nouveau cabinet d’imagerie médicale ouvrira à Saint-Avold (57) début janvier. Il remplacera le cabinet liquidé en mars dernier, informe Le Républicain Lorrain. 

7:50

Des formulaires de consentement éclairé générés par ChatGPT ont démontré une meilleure compréhension des patients par rapport aux documents standard pour les procédures de radiologie interventionnelle (étude).

7:00

30 Déc

16:51

Un scanner corps entier avec une tension tubulaire basse et une injection fractionnée, réalisé après un angioscanner cérébral chez des patients atteints d'AVC ischémique aigu permet de détecter des anomalies vasculaires et fortuites significatives, conclut une étude présentée dans Emergency Radiology.

12:30

L'obésité de classe 1 (IMC = 30-34,9) n'a pas été associée à des complications supplémentaires lors de l'insertion percutanée par un radiologue interventionnel d'un cathéter péritonéal de dialyse, dans une étude rassemblant 125 patients.
✕
Docteur Imago

GRATUIT
VOIR