dépêche

 - 

Détecter le diabète à partir d'un simple ECG grâce à l'intelligence artificielle

LONDRES, 10 août 2022 (APMnews) - Un algorithme basé sur l'apprentissage automatique s'avère capable de détecter, à partir d'un électrocardiogramme (ECG), la présence d'un diabète ou d'un prédiabète de manière très fiable et précise, selon une étude préliminaire publiée dans BMJ Innovations.
L'étude a été menée sur une population à haut risque de diabète, et l'algorithme utilisé nécessite une validation robuste externe au sein d'autres populations avant d'envisager de l'utiliser en routine.
Le diagnostic du diabète repose sur un test oral de tolérance au glucose et une mesure de l'hémoglobine glyquée, des techniques invasives et difficiles à mettre en place pour un dépistage à grande échelle, soulignent Anoop Kulkarni d'Innotomy Consulting à Bangalore (Inde) et ses collègues. Le système cardiovasculaire est affecté très tôt au cours du processus diabétique, et les changements dans le système cardiovasculaire peuvent être détectés même lorsque les symptômes dysglycémiques ne sont pas encore apparus. Ces modifications sont potentiellement visibles à l'ECG.
Les chercheurs ont voulu voir si l'intelligence artificielle pouvait être utilisée pour exploiter le potentiel de dépistage de l'ECG pour prédire le prédiabète et le diabète chez des personnes à haut risque de la maladie.
Leur étude a été menée chez les participants à l'étude indienne DISFIN dont le but était de déterminer les bases génétiques du diabète de type 2 et d'autres caractéristiques métaboliques au sein des familles d'une population ethniquement endogène, celle des Sindhis, à haut risque de diabète de type 2. Le diabète et le prédiabète ont été identifiés cliniquement avec les critères diagnostiques de l'American Diabetes Association (ADA).
Au total, 1.262 personnes ont été incluses dans l'analyse. La prévalence du diabète atteignait 30% et celle du prédiabète 14%.
Un ECG standard à 12 dérivations a été réalisé sur 10 secondes pour chaque participant. Pour chaque battement cardiaque, 100 caractéristiques structurales et fonctionnelles uniques sur chacune des dérivations ont été identifiées et combinées entre elles, résultant en 1.200 caractéristiques uniques par battement, pour chacun des 10.461 battements cardiaques enregistrés, à partir de quoi l'algorithme prédictif DiaBeats a été généré.
La population d'étude a été séparée en trois groupes: l'un destiné à l'entraînement (8.892 battements cardiaques), un autre pour la validation (523 battements) et le troisième pour réaliser un test indépendant (1.046 battements).
Les résultats du test indépendant montrent que DiaBeats a correctement et rapidement prédit le diabète et le prédiabète, avec une sensibilité de 96%, une fiabilité globale de 97% et une précision (comparable à la valeur prédictive positive en épidémiologie, notent les auteurs) de 97%. Ces performances étaient indépendantes des facteurs tels que l'âge, le sexe et la présence d'autres troubles métaboliques.
"En théorie, notre étude propose une alternative relativement peu coûteuse, non invasive et fiable [aux méthodes diagnostiques actuelles], qui peut être utilisée comme une sentinelle pour détecter le diabète et le prédiabète en début d'évolution", concluent les auteurs, sous réserve d'une validation externe robuste.
cd/ab/APMnews

[CD8RGCL3B]

A lire aussi