Un nouveau modèle d’apprentissage en profondeur au Qatar a été utilisé pour développer un outil de diagnostic du diabète rapide et précis.
Jasmin Merdan/Instant/Getty Images
Le diabète touche 537 millions de personnes dans le monde ; un nombre qui devrait atteindre 643 millions d’ici 2030, selon la Fédération internationale du diabète. Pourtant, les outils de diagnostic comme les tests de glycémie ont leurs limites et ne sont pas toujours précis. Des chercheurs de Hamad Medical Corporation et de l’Université Hamad Bin Khalifa ont utilisé les données de 5 545 participants au Qatar pour développer un modèle d’apprentissage profond (DiaNet v2) capable de diagnostiquer le diabète avec une précision remarquable à l’aide d’images rétiniennes.
Le nouveau modèle a atteint un taux de précision de 92 %, contre un taux de 84 % dans un modèle précédent développé en 2021. Comparé à d’autres outils de diagnostic conventionnels qui s’appuient sur le prélèvement d’échantillons de sang pour diagnostiquer le diabète, le modèle DiaNet v2 est plus simple, plus rapide. , et moins cher, et n’oblige pas les gens à jeûner.
“Cette approche non invasive et accessible a le potentiel de révolutionner la détection du diabète, en particulier dans les régions du monde où les taux de maladie sont élevés, comme le Moyen-Orient et l’Afrique du Nord (MENA)”, expliquent les chercheurs dans un article publié dans Rapports scientifiques.
Le diabète touche 73 millions de personnes dans la région MENA et devrait atteindre 634 millions d’ici 2030 et 136 millions en 2045, selon les chiffres de la Fédération internationale du diabète pour 2021.
« Notre étude visait à améliorer la précision du diagnostic du diabète en développant un modèle d’intelligence artificielle prédictif amélioré utilisant des images rétiniennes de la population qatarienne, et à remédier aux limites des méthodes de diagnostic actuelles. La détection précoce de la maladie permet une intervention rapide », explique Tanvir Alam, professeur adjoint au Collège des sciences et de l’ingénierie de l’Université Hamad Bin Khalifa au Qatar et auteur principal de la recherche.
Des recherches antérieures ont indiqué que la rétine des personnes atteintes de diabète présente normalement des signes de dommages dus à la maladie ; y compris des lésions des petits vaisseaux sanguins, un gonflement, des dépôts jaunes, des saignements, des taches troubles et des zones à flux sanguin réduit. Ces signes permettent de diagnostiquer le diabète grâce à l’imagerie rétinienne. Cependant, les effets secondaires du diabète sur la rétine constituent généralement une complication tardive de la maladie et difficiles à diagnostiquer précocement par imagerie rétinienne.
Faire progresser et compléter le diagnostic
Le diabète est diagnostiqué et contrôlé en mesurant la glycémie. Le glucose est mesuré de manière aléatoire pendant la journée ou après un jeûne d’au moins huit heures. Elle est également mesurée à l’aide du test HbA1C, qui indique la glycémie moyenne au cours des trois derniers mois. L’oral
Un test de tolérance au glucose peut également être effectué pour dépister le diabète de type 2, le prédiabète et le diabète gestationnel et consiste à prélever un échantillon de sang pour mesurer les niveaux de glucose après un jeûne d’au moins huit heures, puis à refaire un prélèvement pour mesurer les niveaux deux heures plus tard après avoir bu une solution de glucose. Ces méthodes peuvent être inconfortables pour certaines personnes et certaines peuvent provoquer des étourdissements et des nausées.
“Bien que [these methods] sont largement utilisés, ces tests ont des limites. Par exemple, le test de glycémie à jeun est moins sensible pour identifier les vrais patients, laissant 30 % des cas de diabète non diagnostiqués, tandis que le test oral de tolérance au glucose demande beaucoup de travail et classe mal 12 % des cas », explique Alam.
Le modèle DiaNet v2 a été formé sur 16 000 images rétiniennes prises auprès de 52 540 personnes atteintes de diabète et de 3 005 témoins sains.
Le modèle a distingué les personnes diabétiques du groupe témoin avec un taux de spécificité de 91 %. Il existe d’autres tentatives pour diagnostiquer le diabète à l’aide d’images rétiniennes basées sur l’apprentissage automatique, notamment une recherche publiée dans BMJ Open Diabetes Research & Care en 2022 qui a développé un modèle avec un taux de sensibilité similaire de 92 % et un taux de spécificité de 96,2 % en utilisant les données de 2 221 personnes. participants de Hong Kong et du Royaume-Uni. Le modèle DiaNet est cependant le premier développé à partir de données régionales et avec un plus grand pool de données.
Alm souligne que des recherches antérieures menées par l’équipe ont montré l’utilité des images rétiniennes dans la détection précoce des maladies cardiovasculaires et la classification de diverses affections oculaires, notamment la rétinopathie diabétique, l’œdème maculaire diabétique et le glaucome.
«Cette approche diagnostique constitue un dépistage rapide et non invasif du diabète et réduit le coût de la maladie et le fardeau des professionnels de la santé tout en améliorant la qualité du diagnostic et en soutenant la prise de décision lors de l’examen», explique Alm.
Gamal Al-Mashad, professeur d’ophtalmologie à l’Université de Zagazig en Égypte, qui n’a pas participé à la recherche, affirme que la détection de la maladie sur la base d’images rétiniennes peut être une méthode complémentaire qui facilite le diagnostic dans les zones reculées qui ne disposent pas de suffisamment d’outils de diagnostic traditionnels. .
La méthode d’imagerie rétinienne ne remplace pas les méthodes de diagnostic traditionnelles, mais peut faciliter un dépistage efficace des maladies dans les zones aux ressources limitées et dans les zones dépourvues d’infrastructures de santé adéquates.
« En intégrant notre solution basée sur l’IA aux plateformes de télémédecine, les patients des zones reculées peuvent se connecter de manière transparente, permettant un diagnostic rapide et précis de la maladie en quelques minutes et au moindre coût », explique Alm.
2024-03-10 17:09:07
1710081005
#Diagnostiquer #diabète #clin #dœil #Actualités
