“Pratiquement aucune différence” entre l’IA et les humains dans le diagnostic du prédiabète

  • FrançaisFrançais


  • Les algorithmes d’apprentissage en profondeur se sont montrés égaux aux humains pour détecter les patients à haut risque de développer un diabète de type 2 en analysant les tomodensitogrammes de leur pancréas, selon un article de recherche publié mardi.

    On estime que le diabète de type 2 affecte 11,3 % de la population américaine, soit au moins 37 millions de personnes. Le diabète de type 2 peut entraîner des problèmes avec les systèmes circulatoire, nerveux et immunitaire, augmentant le risque de maladie cardiaque et d’accident vasculaire cérébral.

    Ceux qui ont la forme initiale, le prédiabète, peuvent réparer la résistance à l’insuline de leur corps, de sorte qu’ils ne développent pas la condition à part entière, s’ils changent leur régime alimentaire et leurs habitudes d’exercice. Les responsables américains de la santé estiment que 38 % de la population adulte américaine, soit quelque 96 millions de personnes, souffrent de prédiabète.

    Maintenant, une équipe de chercheurs a développé une nouvelle méthode utilisant un modèle d’IA pour détecter automatiquement les patients prédiabétiques, et les résultats ne montrent “pratiquement aucune différence” entre la précision des prévisions de l’IA et le travail humain.

    “L’analyse des caractéristiques pancréatiques et extra-pancréatiques est une nouvelle approche et n’a pas été démontrée dans des travaux antérieurs à notre connaissance”, a déclaré Hima Tallam, premier auteur de l’article et doctorant aux instituts nationaux de recherche financés par le gouvernement américain. Santé (NIH).

    Le modèle basé sur un réseau neuronal convolutif examine la densité et la teneur en graisse du pancréas pour déterminer si un patient a un diabète précoce ou non.

    “Nous avons découvert que le diabète était associé à la quantité de graisse dans le pancréas et dans l’abdomen des patients”, a déclaré Ronald Summers, co-auteur de l’étude et radiologue du NIH. “Plus il y a de graisse à ces deux endroits, plus les patients sont susceptibles de souffrir de diabète pendant une longue période.”

    L’équipe a formé le modèle de preuve de concept sur une petite expérience avec 471 images provenant de trois ensembles de données différents, huit images ont été utilisées pour la validation et 39 pour les tests. Le système a été testé plus avant sur 25 patients sélectionnés au hasard parmi un groupe de 8 992 personnes, dont 572 avaient reçu un diagnostic de diabète de type 2 et 1 880 souffraient de dysglycémie, une condition médicale qui rend la glycémie trop élevée ou trop basse associée au prédiabète.

    Un radiologue a reçu les mêmes images des patients sélectionnés au hasard et les résultats ont été comparés au modèle de réseau neuronal. Les méthodes automatisées ont fonctionné aussi bien que l’expert humain, ont affirmé les chercheurs. Ils ont encore amélioré le logiciel en ajoutant plus de données telles que l’IMC d’un patient.

    L’équipe pense que l’IA peut diagnostiquer les patients prédiabétiques plus rapidement que les agents de santé et empêcher davantage de personnes de développer un diabète de type 2. “Cette étude est une étape vers une utilisation plus large des méthodes automatisées pour relever les défis cliniques”, ont conclu les auteurs. “Cela pourrait également éclairer les travaux futurs sur la raison des changements pancréatiques qui surviennent chez les patients diabétiques.” ®

    L'équipe de Comparaland

    L'équipe rédactionnnelle du site

    Pour contacter personnellement le taulier :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *