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

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

30 Oct

15:57

L'IRM après une thérapie néoadjuvante totale permet de classer les patients atteints de cancer rectal avancé selon des catégories de réponse prédictives de la préservation d’organes, de la récidive locale et de la survie. Une diffusion restreinte et des caractéristiques morphologiques ganglionnaires anormales sur les IRM de restaging étaient associées à une probabilité accrue de tumeur résiduelle (étude).

13:50

7:31

Sanofi et Orano Med ont conclu un partenariat pour accélérer le développement de nouvelles radiothérapies ciblées contre les cancers rares, en s’appuyant sur les avancées d’Orano Med dans le domaine des alphathérapies. Cette collaboration marque la création d’une nouvelle entité dédiée à la découverte, la conception et le développement clinique d’une nouvelle génération de radiothérapies internes vectorisées (RLTs) à base de plomb-212, un émetteur alpha, annonce un communiqué d'Orano.

7:00

29 Oct

16:09

Le projet Iseult du CEA a acquis des images du cerveau humain in vivo à l'IRM 11,7 T. Dans une étude, un groupe de chercheurs français a démontré que les humains peuvent être scannés en toute sécurité avec des champs magnétiques puissants, tandis que des images cérébrales de résolution à méso-échelle peuvent être obtenues dans un délai raisonnable.

15:00

✕
Docteur Imago

GRATUIT
VOIR