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 Fév

15:09

15:00

13:16

Comparé au rapport en texte libre, la compte rendu structuré améliore l’efficacité des radiologues lors de la radiographie thoracique en dirigeant l’attention visuelle vers l’image, tandis que le compte rendu prérempli par IA améliore la précision du diagnostic, conclut une étude publiée dans Radiology.

7:11

Le LLM polyvalent (Cohere Command-A) évalué dans une étude a démontré de solides performances dans l’automatisation de la stadification FIGO pour les cancers du col de l’utérus et de l’endomètre à partir des rapports IRM. Leur intégration pourrait réduire la charge de travail des radiologues.

7:00

11 Fév

16:09

Median Technologies a obtenu l’autorisation 510(k) de la FDA pour son dispositif médical eyonis® LCS.  Basé sur l’IA. Celui-ci vise à transformer le dépistage du cancer du poumon en aidant à son diagnostic à des stages précoces et curables et ce, en limitant les examens de suivi inutiles et les faux positifs.
✕
Docteur Imago

GRATUIT
VOIR