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.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

23 Juin

16:00

Une revue de la littérature dédiée au diagnostic prénatal des anomalies infratentorielles est parue dans Pediatric Radiology. Elle détaille notamment le rôle de l'échographie et de l'IRM fœtale à ce sujet.

13:30

Un nouveau radiopharmaceutique diagnostique pour l'imagerie des métastases cérébrales, le RAD101, a reçu la désignation « fast track » de la FDA, annonce Radiopharm Theranostics, l'industriel australien développant ce produit, dans un communiqué. Marquée au fluor 18, cette petite molécule dédiée à l'imagerie TEP cible l'acide gras synthase (FASN), une protéine multienzymatique surexprimée dans plusieurs tumeurs solides dont les métastases cérébrales.

7:30

Les calcifications mammographiques avec une évaluation bénigne sont associées à un risque accru de cancer du sein avancé, au-delà des seins denses et du surpoids. Les femmes ménopausées aux seins denses, à l’IMC supérieure à 25 kg/m2 et aux calcifications présentaient un risque 5,5 fois plus élevé (IC à 95 % : 3,9-7,7), indique une étude publiée dans Breast Cancer Research and Treatment.
20 Juin

16:00

La Société européenne de radiologie gastro-intestinale et abdominale (ESGAR) a publié des recommandations pratiques pour le diagnostic et l'évaluation de la réponse au traitement chez les patients souffrant d'une maladie de Crohn luminale. L'entéro-IRM et l'échographie sont les examens radiologiques de première ligne, tandis que le scanner peut être utile en seconde ligne ou dans l'aigu, souligne notamment l'article.
Docteur Imago

GRATUIT
VOIR