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, mise à jour aujourd'hui à 15:07 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

apprentissage profond radiographie thoracique

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

18 Sep

16:20

Le rapport entre graisse viscérale et graisse sous-cutanée (VSR), calculé automatiquement à partir de la TDM, pourrait constituer un marqueur d’imagerie simple qui améliore l’évaluation du risque au-delà des variables cliniques et facilite l’identification des patients atteints de sepsis à haut risque, selon une étude.  

15:00

14:00

Dans une étude, des chercheurs mettent en place une méthode non invasive et reproductible de personnalisation des prothèses mammaires à partir d’IRM et d’outils open source, permettant une mesure volumétrique précise. Elle relie les volumes mammaires aux tailles commerciales de prothèses tout en préservant la confidentialité et en évitant l’exposition physique postopératoire.

7:24

Des chercheurs de l’UNC ont développé SORDINO, une nouvelle technique d’IRM fonctionnelle qui réduit fortement le bruit et les interférences pendant les examens. Cette technique produit des images cérébrales  plus précises et pourrait faciliter les recherches en neurosciences ainsi que les avancées en IRM humaine, indique un communiqué.

7:00

17 Sep

17:30

Une étude a développé un modèle d’intelligence artificielle capable de détecter le pneumothorax sur les radiographies thoraciques en décubitus des nouveau-nés, avec une excellente performance diagnostique.
✕
Docteur Imago

GRATUIT
VOIR