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

12 Mar

16:00

La TEP-TDM au 18F-FDG est un outil diagnostique à haut rendement pour les fièvres d'origine inconnue, avec une performance optimale chez les patients présentant des marqueurs inflammatoires élevés, de la fièvre au moment de l’imagerie et une utilisation antérieure limitée d’antibiotiques, conclut une étude présentée dans JNM.  

15:00

13:33

Un workflow automatisé d’environ une minute par fraction a été développé pour estimer la dose accumulée en radiothérapie de la prostate à partir des CBCT, sans recalcul quotidien ni recalage. Les estimations obtenues concordent à ±2 % avec les recalculs basés sur CBCT et permettent un suivi adaptatif hors-ligne efficace malgré des variations interfractionnelles notables de la vessie et du rectum (étude).

7:20

Les deuxièmes Journées antillaises d'imagerie médicale auront lieu les 12, 13 et 14 novembre 2026 en Guadeloupe. Les inscriptions sont ouvertes. Lien.  

7:00

11 Mar

16:02

Des chercheurs ont utilisé un système d'IA pour quantifier automatiquement les calcifications artérielles mammaires à partir de mammographies de dépistage du cancer du sein pour identifier les femmes à risque cardiovasculaire. Des calcifications ont été détectées chez 16,1 % (cohorte interne) et 20,6 % (cohorte externe) des femmes et ont fourni une valeur pronostique significative (étude).
✕
Docteur Imago

GRATUIT
VOIR