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

11 Sep

17:00

Une étude prospective chez 22 patients atteints de tumeurs neuro-endocrines métastatiques montre que le ¹⁷⁷Lu-LNC1010 présente un profil de tolérance favorable, sans toxicité rénale ou hépatique sévère. Le traitement a obtenu un taux de réponse objective de 44,4 %, et un contrôle de la maladie de 94,4 %.

15:00

Après une embolisation des artères prostatiques (PAE), le taux cumulé de ré-intervention atteint 25,8 % à 5 ans, la résection transurétrale de la prostate étant la procédure de rattrapage la plus fréquente, selon une étude. Ces résultats confirment une durabilité à moyen terme satisfaisante de la PAE.

13:30

Une étude démontre que le score O-RADS IRM présente une excellente performance diagnostique pour différencier les masses annexielles bénignes et malignes. L’intégration de la courbe d’intensité semi-quantitative (SIC) améliore surtout la spécificité et la valeur prédictive positive, tout en réduisant les interventions chirurgicales inutiles.

7:00

10 Sep

17:23

L’embolisation des artères utérines (EAU) offre une amélioration durable des symptômes chez environ 75 % des patientes. À 10 ans, près d’une patiente sur cinq nécessite une nouvelle intervention, avec un risque plus élevé chez les femmes plus jeunes. (Etude).

15:00

✕
Docteur Imago

GRATUIT
VOIR