Home » Santé » Le modèle d’intelligence artificielle évalue avec succès le risque de DT2

Le modèle d’intelligence artificielle évalue avec succès le risque de DT2

by Nouvelles
Le modèle d’intelligence artificielle évalue avec succès le risque de DT2

LIGNE SUPÉRIEURE :

Un modèle basé sur l’intelligence artificielle qui intègre des scores de risque polygéniques et multi-images avec des variables démographiques clés identifie efficacement les individus à haut risque de diabète de type 2 (DT2), suggère une étude taïwanaise.

MÉTHODOLOGIE:

  • La détection précoce et l’évaluation des risques de DT2 sont essentielles à une gestion efficace de la santé, car le diabète impose une mortalité et un fardeau économique importants aux patients.
  • Les chercheurs ont utilisé une approche d’apprentissage automatique par intelligence artificielle (eXtreme Gradient Boosting) pour concevoir divers modèles d’évaluation des risques de DT2 en intégrant des polymorphismes mononucléotidiques à l’échelle du génome, des données d’imagerie multimodales et des informations démographiques provenant de 68 911 participants de la biobanque de Taiwan.
  • Taiwan Biobank a collecté des questionnaires de référence et de suivi ; des échantillons de sang et d’urine; mesures de biomarqueurs ; et des données d’imagerie médicale, notamment l’échographie abdominale (ABD), l’échographie de l’artère carotide (CAU), la densité minérale osseuse (DMO), l’électrocardiographie et l’échographie thyroïdienne.
  • Dans l’analyse génétiquement centrée, 50 984 participants ont été inclus, dont 2 531 étaient des patients autodéclarés atteints de DT2 et 48 453 étaient des individus témoins autodéclarés sans DT2.
  • Dans l’analyse intégrative de l’imagerie génétique, 17 785 participants dont les données d’imagerie génétique et médicale étaient disponibles ont été analysés, dont 1 366 étaient des patients autodéclarés atteints de DT2 et 16 419 étaient des individus témoins autodéclarés sans DT2.

EMPORTER:

  • Le modèle qui utilisait des scores de risque polygéniques (PRS) ainsi que des variables démographiques telles que l’âge, le sexe et les antécédents familiaux de DT2 a montré une bonne précision dans la prédiction du risque de DT2, avec une aire sous la courbe de fonctionnement du récepteur (AUC) de 0,915.
  • L’intégration des caractéristiques de l’image avec les informations génétiques et les facteurs démographiques a encore augmenté l’AUC à 0,949.
  • Une version simplifiée intégrant seulement huit variables clés (antécédents familiaux, âge, foie gras à partir de l’image ABD, l’épaisseur de la colonne vertébrale à partir de l’image DMO, la PRS, les vitesses télédiastoliques dans les artères carotides communes droite et gauche à partir des images CAU et l’intervalle RR à partir de l’image ABD. ECG images) ont montré une ASC de 0,939.
  • Enfin, les performances de ce modèle ont été validées dans un deuxième ensemble de données indépendant, qui a donné une AUC de 0,905.

EN PRATIQUE:

“Nous avons développé avec succès des modèles d’intelligence artificielle combinant efficacement des marqueurs génétiques, des caractéristiques d’imagerie médicale et des variables démographiques pour une détection précoce et une évaluation des risques de DT2”, ont commenté les auteurs.

SOURCE:

Yi-Jia Huang, Institut de santé publique, Université nationale Yang-Ming Chiao-Tung, Taipei, Taiwan, a dirigé cette étude, qui a été publiée en ligne dans Communications naturelles.

LIMITES:

Le modèle doit être validé dans des cohortes externes pour une meilleure généralisabilité. En raison de la durée de suivi limitée de cette étude, seuls quelques participants ont signalé un changement dans leur statut de DT2 entre le début et le suivi.

DIVULGATIONS :

Ce travail a été soutenu par des subventions de recherche de l’Academia Sinica. Les auteurs n’ont déclaré aucun conflit d’intérêts.

2024-06-10 10:44:54
1718007275


#modèle #dintelligence #artificielle #évalue #avec #succès #risque #DT2

You may also like

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.