L'IA pourrait être la clé pour attraper le diabète de type 1 beaucoup plus tôt


Pour les millions de personnes atteintes du diabète de type 1 dans le monde, la réalité quotidienne implique une autosurveillance importante. Sans cette surveillance, le pancréas ne produit pas suffisamment d'insuline, qui est utilisée pour transférer la glycémie qui fournit de l'énergie aux cellules du corps. Qu'il s'agisse d'injections d'insuline quotidiennes ou de programmes de nutrition et d'exercices, il est essentiel que les patients restent très vigilants face à leur santé.

Aux États-Unis seulement, environ 1,25 million de personnes sont atteintes de diabète de type 1, avec environ 40 000 nouveaux diagnostics chaque année. Dans ces conditions, vous serez peut-être surpris de la condition qui existe pour l’attraper tôt. Les médecins testent généralement en fonction des antécédents familiaux et d'autres facteurs de risque connus, ce qui signifie que le diabète de type 1 peut apparaître sous le radar. Cela peut conduire à des visites soudaines aux urgences et à des diagnostics inattendus, faisant de la mise au point de meilleurs tests de dépistage une priorité majeure des médecins.

Maintenant, voici où intervient l'IA. Lors des 79e sessions scientifiques de l'American Diabetes Association début juin, et de la FRDJ (anciennement connue sous le nom de Juvenile Diabetes Research Foundation), une organisation à but non lucratif qui dirige la recherche sur le diabète de type 1, a dévoilé un outil prédictif d'IA la présence d'anticorps du diabète de type 1 dans le sang pour déterminer exactement quand et comment l'évolution de la maladie pourrait se produire. Jianying Hu, confrère et leader scientifique mondial de l'IA pour les soins de santé chez IBM Research, a déclaré à Engadget que l'IA avait alimenté les données de plus de 22 000 personnes provenant des États-Unis, de Suède et de Finlande.

Le programme a mis en évidence des similitudes entre les personnes ayant des anticorps spécifiques pour la maladie et la chronologie de la progression de leur diabète de type 1.

«L’un des plus gros potentiels de ce type de travail dans la construction de modèles d’apprentissage automatique du diabète de type 1 est de pouvoir mieux identifier les personnes à surveiller et leur fréquence de surveillance», a déclaré Hu, dont l’équipe a travaillé sur ce projet avec la FRDJ pour plus d'un an. "À l'heure actuelle, même le peu que nous connaissons, ces anticorps sont omniprésents dans la progression du diabète de type 1, mais personne ne sait qui est le plus susceptible de les développer et à quel moment."

Elle a déclaré que ces modèles d'IA pourraient donner aux médecins "un délai plus personnalisé" pour savoir comment surveiller les gens et à quelle fréquence ils devraient être testés.

Dans le passé, le diabète de type 1 était appelé diabète juvénile, car il est généralement diagnostiqué chez les enfants, les adolescents et les jeunes adultes. Cependant, cela peut toucher les gens à tout âge, a déclaré Utpal Pajvani, endocrinologue et professeur adjoint au centre médical de l'Université Columbia.

Pajvani, qui n'est pas affilié à ce projet, a expliqué que la pratique générale impose de ne filtrer que les personnes présentant un "risque élevé". Cela signifie qu'ils ont un membre de la famille au premier degré qui a été diagnostiqué. Étant donné que c'est si rare, il a dit que ce n'était pas quelque chose qui justifierait un dépistage de la population en général.

Il a mis en garde que de nombreuses méthodes de dépistage comme celle-ci pourraient conduire à beaucoup de faux positifs.

"Si vous dépistez un état relativement peu commun, vous allez vous retrouver avec beaucoup de faux positifs. Si vous testez tout le monde, y compris ceux qui ont (à) un risque relativement faible de le développer qui ont En l'absence d'antécédents familiaux ou d'autres maladies auto-immunes, vous aurez un taux beaucoup plus élevé d'identification des personnes susceptibles de subir un test de dépistage d'anticorps positif mais présentant un risque (faible) de contracter la maladie ", a déclaré Pajvani à Engadget.

Le risque d'appliquer un test de dépistage général pour une maladie rare comme celle-ci signifie que vous pouvez également inquiéter inutilement les gens au sujet d'une maladie qu'ils ne risquent probablement pas de contracter. Essentiellement, aucun test de dépistage parfait n'existe sans faux positifs, a-t-il ajouté.

Malgré ces critiques, Pajvani voit un avenir pour ce type de technologie. Les personnes qui présentent un risque élevé de diabète et qui ont la présence de ces anticorps ne savent toujours pas ce que sera la chronologie de l'évolution de la maladie. Ce type d’outil d’IA pourrait donner aux médecins une feuille de route nécessaire pour suivre l’évolution de la maladie, a-t-il expliqué.

Hu Jintao a indiqué que son équipe ajouterait bientôt plus de données en provenance d’Allemagne, qui seraient triées par l’IA. Elle a ajouté qu'un autre élément important du projet consistait à collaborer étroitement avec les médecins pour voir comment ils pouvaient appliquer cette solution et comment les informations recueillies grâce à l'IA pouvaient être utilisées dans des études cliniques.

"J'aime beaucoup que les gens réfléchissent à cela, et j'aime bien l'idée de faire avancer l'importante question clinique de savoir qui développera une maladie, en particulier une aussi grave que le diabète de type 1", a ajouté Pajvani. "J'espère (j'aimerais) nous voir dans un endroit où la technologie peut fournir une meilleure compréhension de la façon dont nous aidons les gens."

Pajvani a déclaré qu'en tant que clinicien, il n'avait pas encore vu l'IA sortir du traitement théorique et pratique des patients. Pour sa part, Mme Hu a déclaré qu'elle pensait que la présence de l'apprentissage automatique en médecine continuerait à "s'accélérer" et qu'il s'agissait d'un travail "extrêmement important" qui pourrait constituer un outil indispensable pour les médecins.

Cette IA ne fournit pas de méthode de dépistage définitive aujourd'hui, mais elle offre une piste sur la manière dont les outils d'apprentissage automatique pourraient être utilisés pour des diagnostics de diabète de type 1 plus rapides et susceptibles de sauver des vies.

Images: Jovanmandic via Getty Images (médecin et patient); Gam1983 via Getty Images (Test de glycémie)