Le tracé cardiaque à l’ECG analysé par une technique d’intelligence artificielle (IA) peut prédire avec précision le diabète et même le prédiabète, conclut cette équipe de la Lata Medical Research Foundation (Nagpur, Inde) avec des collègues de différentes universités américaines. Un mode diagnostique qui constitue une option prometteuse pour dépister plus facilement la maladie, et en particulier dans les pays à faibles ressources, selon ces chercheurs qui documentent leur algorithme dans le BMJ Innovation.
On estime en effet que plus de 450 millions de personnes dans le monde souffrent de diabète. Or si prendre en charge la maladie à ses tout débuts est essentiel pour prévenir ses complications, ce diagnostic, qui repose aujourd’hui principalement sur la mesure de la glycémie, n’est pas toujours accessible. Un algorithme d'intelligence artificielle (IA) couplé à l’ECG qui par l’analyse les caractéristiques des battements cardiaques individuels enregistrés par électrocardiogramme, peut prédire avec précision le diabète et le prédiabète, représente une alternative plus simple à mettre en œuvre.
Un test non invasif et facile à déployer partout dans le monde
Le test repose sur ces changements structurels et fonctionnels dans le système cardiovasculaire qui se produisent tôt, dans le développement du diabète et du prédiabète et même avant les changements de la glycémie. Ces changements qui apparaissent sur un tracé cardiaque ECG peuvent facilement être interprétés par l’algorithme d'apprentissage automatique, pour prédire le prédiabète et le diabète de type 2 chez les personnes à risque élevé de développer la maladie.
L’algorithme a été nourri des données des participants à l'étude Diabetes in Sindhi Families in Nagpur (DISFIN), qui portait sur la base génétique du diabète de type 2 et d'autres traits métaboliques chez des familles indiennes à risque élevé de diabète. Les participants âgés en moyenne de 48 ans et à 61 % des femmes, ont renseigné leurs antécédents médicaux personnels et familiaux, leur régime alimentaire et ont subi une gamme complète de tests sanguins et d'évaluations cliniques. Le prédiabète et le diabète ont été diagnostiqués en fonction des critères de diagnostic spécifiés par l'American Diabetes Association. L’analyse révèle :
- une prévalence élevée du diabète de type 2 et du prédiabète : environ 30 % et 14 %, respectivement ;
- une prévalence élevée de la résistance à l'insuline soit 35 % ;
- une prévalence de certaines comorbidités dont l’hypertension artérielle (51 %), l’obésité (40 %) et l’hyperlipidémie (36 %) ;
- un tracé cardiaque ECG standard à 12 dérivations d'une durée de 10 secondes et l’analyse via l’algorithme de 100 caractéristiques structurelles et fonctionnelles uniques pour chaque dérivation permet de détecter rapidement le diabète et le prédiabète avec une précision globale de 97 % et une spécificité de 97 %, et cela quels que soient les facteurs de confusion dont l'âge, le sexe et les troubles métaboliques préexistants ;
- les caractéristiques importantes de l'ECG correspondaient systématiquement aux déclencheurs biologiques connus qui sous-tendent les modifications cardiaques typiques du diabète et du prédiabète.
Si les chercheurs précisent que les participants à l'étude étaient tous à risque élevé de diabète et d'autres troubles métaboliques, donc non représentatifs de la population générale, l’étude apporte la preuve de concept et d’efficacité de ce mode diagnostique des troubles métaboliques et de l’opportunité d’un dépistage précoce, non invasif et praticable partout dans le monde.
Source: BMJ Innovations 9 Aug, 2022 DOI: 10.1136/bmjinnov-2021-000759 Machine-learning algorithm to noninvasively detect diabetes and prediabetes from electrocardiogram
Laisser un commentaire