STUDIU. Diabetul zaharat de tip 2 ar putea fi descoperit prin analizarea radiografiilor de torace, cu ajutorul inteligenței artificiale
Diabetul zaharat este o patologie cu incidență crescută în rândul populației generale, contribuind semnificativ la creșterea costurilor de îngrijire. Prediabetul apare cu 9-12 ani înaintea diabetului zaharat de tip 2, modalitățile de screening folosite în prezent fiind măsurarea glicemiei à jeun (bazală) și/sau nivelurile de hemoglobină glicată.
Într-un studiu condus de Universitatea din Illinois, publicat în Nature Communications au fost utilizate radiografii de torace pentru a detecta existența diabetului zaharat de tip 2. Au fost analizate peste 270.000 de radiografii de torace de la peste 160.000 de pacienți, cu testarea rezultatelor într-un studiu prospectiv cu 10.000 de pacienți.
În acest studiu a fost demonstrat potențialul utilizării inteligenței artificiale, în special a învățării profunde, adică un model de învățare automată, care în esență este o rețea neuronală cu trei sau mai multe straturi. Aceste rețele neuronale încearcă să simuleze comportamentul creierului uman, permițându-le să rețină și să prelucreze cantități mari de date. Modelele de învățare profundă pot valorifica dosarele electronice de sănătate pentru a prezice boli și a stabili un diagnostic pe baza descoperirilor radiologice.
Modelul de învățare profundă a demonstrat că adipozitatea dispusă central (lipomatoza mediastinală), precum și atenuarea coastelor și a claviculelor pot fi considerate factori predictivi. Studiile au documentat importanța obezității dispuse la nivelul porțiunii superioare a corpului sau la nivelul abdomenului ca factor determinant al rezistenței la insulină, diabetului zaharat tip 2, hipertensiunii arteriale, dislipidemiei, morbidității și mortalității cardiovasculare. Se consideră că detecția acestei distribuții a adipozității la nivelul mediastinului este motivul pentru care modelul de învățare profundă dezvoltat este capabil să prezică existența diabetului zaharat de tip 2 la pacienții cu indice de masă corporală normal.
Indicele de masă corporală este un predictor slab al diabetului zaharat de tip 2, având multe limitări. Dispoziția particulară a țesutului adipos, cum ar fi grăsimea viscerală, este un factor de risc important în dezvoltarea acestei boli, putând fi cuantificată și utilizată ca un predictor independent. Însă utilizarea este limitată în practica clinică, cu variații mari între pacienți, care se pot prezenta fără adipozitate evidentă la inspecția clinică. Acest model poate prezice și existența unui control slab al diabetului zaharat de tip 2, oferind astfel intervenții țintite la pacienții cu risc mai mare și un screening îmbunătățit.
Alte caracteristici folosite în predicția diabetului zaharat tip 2 sunt densitatea și grosimea osoasă, fiind măsurată atenuarea coastelor și a claviculei ca indice al cantității de țesut adipos dispus la nivelul toracelui. Alte cauze ale acestei scăderi a densității și grosimii osoase pot fi vârsta, dar și osteoporoza cauzată de diabetul zaharat de tip 2.
Această tehnologie de învățare profundă a fost dezvoltat din 271.065 radiografii toracice, obținute începând cu anul 2010 și până în anul 2021 (cohorta retrospectivă) , fiind apoi evaluată prospectiv pe 9934 radiografii de torace în anul 2022 (cohorta prospectivă). Validarea externă a acestui model a fost făcută de o instituție separată cu 5026 de radiografii de torace.
14% dintre pacienții din cohorta prospectivă nu au făcut screening pentru diabet zaharat prin măsurarea hemoglobinei glicate, au fost identificați ca având un beneficiu potențial de a fi urmăriți pentru a nu dezvolta diabet zaharat, în ciuda contactului semnificativ cu sistemul de asistență medicală pentru alte probleme de sănătate.
Cohorta retrospectivă a demonstrat că 25% din pacienții participanți la studiu au avut un diagnostic de diabet zaharat de tip 2 ulterior obținerii radiografiilor de torace în intervalul de 11 ani, având o oportunitate semnificativă pentru a beneficia de screening.
Deoarece radiografiile sunt obținute de rutină, acestea ar putea fi deosebit de utile pentru screening-ul oportunist la pacienții cărora le lipsește un furnizor de asistență medicală primară sau care sunt îngrijiți doar prin intermediul departamentului de urgență. Acest lucru ar avea un impact semnificativ la nivelul populației, deoarece s-a demonstrat că deprivarea socială este un factor de risc semnificativ pentru dezvoltarea diabetului zaharat de tip 2.
În plus, odată cu creșterea prevalenței bolii la nivel mondial, pacienții determinați cu ajutorul algoritmului cu risc crescut pentru a dezvolta diabet zaharat pot fi urmăriți folosind valorile HbA1c. Capacitatea modelului de învățare profundă de a prezice valoarea serică a hemoglobinei glicate doar din radiografiile de torace este limitată, de aceea testarea complementară a HbA1c este necesară.
În concluzie, modelul de învățare profundă dezvoltat cu ajutorul inteligenței artificiale reprezintă o nouă oportunitate disponibilă pentru a identifica anumite caracteristici care nu sunt raportate în mod obișnuit, dar care sunt relevante.
Citește și:
- Raportul anual State of Innovation. ReGândim Medicina: schimbare de viziune în diabetul zaharat
- FDA lansează primul plan de acțiune care vizează dispozitivele medicale ce au la bază software-uri de inteligență artificială sau machine learning
- FDA aprobă t:connect, aplicația mobilă pentru managementul administrării dozelor de insulină la persoanele care folosesc pompa de insulină t:slim X2