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

31 Mar

16:00

22 % des médecins répondants à une enquête du Conseil de l'Ordre considèrent leur prise en charge des patients en situation de handicap comme insuffisante ou peu suffisante en raison du manque de temps, de moyens humains et matériels ou encore le manque de formation ou l'inadaptabilité des locaux. 35 % considèrent que l'accès aux soins des patients en situation de handicap est difficile.

15:00

13:00

Un décret publié le 19 mars détermine les modalités d'encadrement de l'activité de remise en bon état d'usage de certaines catégories de dispositifs médicaux à usage individuel. La liste des dispositifs concernés sera définie par arrêté.

7:30

La Haute Autorité de santé (HAS) a publié le 20 mars une mise à jour de son Guide pour l'évaluation des infrastructures de simulation en santé, élaborée avec la Société francophone de simulation en santé. Ce document s'adresse aux structures de simulation et aux plateformes de simulation en santé qui souhaitent s'inscrire dans une démarche d'amélioration continue de la qualité, indique la HAS.

7:00

28 Mar

16:37

La SFR met en place l’application mobile SFR-JUISCI permettant aux utilisateurs d’accéder aux récentes recherches en radiologie. L’appli est à télécharger via la lien : https://lnkd.in/eW4i956c
✕
Docteur Imago

GRATUIT
VOIR