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

25 Avr

17:06

L'antiaggrégant plaquettaire tirofiban administré par voie intraveineuse avant thrombectomie augmente significativement la proportion de patients recanalisés au premier passage (65 %, vs 48 % sans tirofiban), selon un essai randomisé chinois ouvert multicentrique en simple aveugle de phase 2 (200 patients inclus) paru dans JAMA Network Open.

15:00

11:13

Une étude publiée dans Radiology: Imaging Cancer révèle un soutien prudent à l'utilisation de l'intelligence artificielledans le dépistage du cancer du sein. Réalisée auprès d'une population diversifiée, l'enquête montre que la confiance envers l'IA varie selon les antécédents médicaux personnels et les facteurs sociodémographiques.

7:19

Un nouveau cabinet de radiologie a ouvert ses porte le 14 avril dernier à l’hypercentre de Montpellier. Ce cabinet propose désormais des examens d’IRM et de scanner, annonce Midilibre.fr

7:00

24 Avr

16:01

Un scénario de dépistage du cancer du poumon où le radiologue interprète seulement les scanners avec un résultat positif de l'IA peut réduire la charge de travail des praticiens tout en préservant la sensibilité, selon une étude rétrospective (366 sujets) d'AJR évaluant différents scénarios d'implémentation de l'IA dans le dépistage de ce cancer.
✕
Docteur Imago

GRATUIT
VOIR