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

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.

7:00

06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.

13:44

Des grands modèles de langage (LLM) seraient capables de générer, à partir des notes cliniques, des indications pertinentes en radiologie qui seraient plus complètes et plus factuelles que les indications émises par des cliniciens (étude).
✕
Docteur Imago

GRATUIT
VOIR