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

14 Août

14:48

L'adoption des outils d'IA destinés au dépistage du cancer du sein est notable, mais seule une minorité d'utilisateurs de l'IA rapporterait bénéfice clinique significatif (étude).

7:45

Le scanner injecté apporterait une valeur ajoutée diagnostique lors de la reclassification des patientes présentant des tumeurs ovariennes épithéliales classées en O-RADS 4 ou 5, ce qui faciliterait la caractérisation des lésions annexielles et permettrait une planification chirurgicale plus personnalisée (étude).

7:00

13 Août

14:36

Le Collège américain de radiologie (ACR) met à jour ses critères de pertinence pour l'imagerie des pneumopathies interstitielles diffuses (PID). Le document définit des guidelines pour l'imagerie initiale en cas de suspicion de PID, pour l'imagerie en cas de détérioration aiguë chez les patients atteints d'une PID confirmée, et pour le suivi de la maladie.

7:31

L'arrêté du 6 août 2026 valide le remboursement du système de thrombolyse in situ dirigée par cathéter et assistée par ultrasons EKOS de la société BOSTON SCIENTIFIC pour le traitement de l'embolie pulmonaire.

7:00

✕
Docteur Imago

GRATUIT
VOIR