La TDM révèle des marqueurs prédictifs du diabète de type 2
MERCREDI 28 AOûT 2024
Soyez le premier à réagirLes pouvoirs prédictifs de la tomodensitométrie (TDM) pour dépister les personnes à risque de maladies métaboliques, notamment de diabète de type 2, sont sous-exploités. Dans une étude publiée dans la Revue Radiology, des chercheurs coréens ont évalué la TDM opportuniste assistée par un algorithme d’IA pour identifier des marqueurs de prédiction de la survenue du diabète de type 2.
L’application d’algorithmes de deep learning a révolutionné le paysage de l’analyse de la composition corporelle à partir de la tomodensitométrie (TDM), mais elle n’est pas systématiquement intégrée au processus.
Les pouvoirs prédictifs de la tomodensitométrie sont sous-exploités
Les données issues de l’utilisation opportuniste de l’imagerie TDM au-delà de son indication clinique principale se sont en effet révélées prometteuses dans le dépistage accidentel de l’ostéoporose ou dans la quantification de la calcification aortique, de la graisse viscérale et sous-cutanée, de la masse musculaire, ainsi que de la teneur en graisse hépatique. Même une seule image tomodensitométrique au niveau de la troisième vertèbre lombaire peut fournir des informations précises sur la graisse viscérale et sous-cutanée, la masse musculaire et la densité osseuse.
Il est donc simple et rapide d’identifier des maladies cardiovasculaires ou autres maladies graves, toutes causes confondues, ce qui laisse entrevoir un espoir significatif quant au potentiel de la TDM de renseigner la stratification du risque des patients. Cependant, ses applications restent sous-explorée. Le diabète sucré de type 2, par exemple, peut être découvert à partir de la composition corporelle, de la masse musculaire et de la répartition différentielle des graisses.
Une étude évalue la capacité de la TDM de stratifier les risques de maladies métaboliques assistée par l’IA
Une étude coréenne publiée dans la Revue Radiology se propose d'évaluer la capacité de marqueurs entièrement automatisés dérivés de la TDM à identifier le diabète prévalent et incident ainsi que les comorbidités cardiométaboliques associées (syndrome métabolique, sarcopénie, ostéoporose, stéatose hépatique et calcium des artères coronaires) chez les adultes coréens participant à un programme de dépistage de santé.
« Compte tenu du fardeau important du diabète et de ses complications, nous avons cherché à déterminer si des analyses d'imagerie automatisées et précises pourraient améliorer la détection précoce et la stratification des risques au-delà des méthodes conventionnelles », précise l'auteur principal de l'étude, le Pr Seungho Ryu, du Kangbuk. Hôpital Samsung de l’École de médecine de l’Université Sungkyunkwan à Séoul (Corée du Sud).
Des algorithmes qui ont permis des segmentations 3D et des quantifications de composants
Le groupe d’étude comprenait 32 166 adultes âgés de 25 ans ou plus qui ont fait l’objet d’un examen de TEP/TDM au 18F-fluorodésoxyglucose (18F-FDG). Le Pr Ryu et ses collègues ont utilisé des algorithmes de deep learning cliniquement validés pour analyser les images TDM obtenues. Les algorithmes ont permis la segmentation 3D et la quantification de divers composants corporels tels que la graisse viscérale, la graisse sous-cutanée, la masse musculaire, la densité hépatique et le calcium aortique. La prévalence du diabète était de 6% au départ et l'incidence était de 9% au cours du suivi médian de 7,3 ans.
Des marqueurs qui ont surpassé les facteurs de risque traditionnels
L'analyse automatisée de la TDM multi-organes a identifié les personnes présentant un risque élevé de diabète et de maladies associées. L’indice de graisse viscérale a montré la performance prédictive la plus élevée pour le diabète. La combinaison de la graisse viscérale, de la masse musculaire, de la fraction graisseuse du foie et de la calcification aortique a amélioré les performances prédictives. Les marqueurs dérivés de la TDM ont également identifié une stéatose hépatique diagnostiquée par échographie, des scores de calcium dans les artères coronaires supérieurs à 100, l'ostéoporose et une sarcopénie.
Ces marqueurs ont surpassé les facteurs de risque traditionnels pour prédire le diabète de type 2. « Les résultats sont encourageants car ils démontrent le potentiel d’étendre le rôle de l’imagerie tomodensitométrique du diagnostic conventionnel au dépistage proactif opportuniste, constate le Pr Ryu. Cette analyse TDM automatisée améliore la prévision des risques et les stratégies d'intervention précoce pour le diabète et les problèmes de santé associés. Cela pourrait conduire à des interventions plus personnalisées et plus rapides, améliorant ainsi les résultats pour les patients. »
Paolo Royan