Des chercheurs ont mis au point un nouveau modèle d'IA capable de dépister les personnes atteintes de prédiabète à partir de données ECG uniquement.
infohightech ·
DiaCardia, un nouveau modèle d'intelligence artificielle capable d'identifier avec précision les personnes atteintes de prédiabète à partir de données d'électrocardiogramme (ECG) à 12 dérivations ou à une seule dérivation, a été récemment mis au point. Cette avancée ouvre la voie à un dépistage du prédiabète à domicile grâce à des dispositifs portables grand public, sans nécessiter de prélèvements sanguins invasifs. Cette étude souligne l'utilité de l'ECG comme biomarqueur performant et met en évidence le potentiel de ce modèle d'IA innovant pour la prévention du diabète.
Le diabète de type 2 survient lorsque l'organisme ne produit pas suffisamment d'insuline ou ne l'utilise pas correctement, ce qui entraîne une hyperglycémie. Cette maladie représente un problème de santé publique mondial croissant, susceptible de réduire la qualité et l'espérance de vie. Avant l'apparition du diabète de type 2, de nombreuses personnes traversent une phase prolongée appelée prédiabète, caractérisée par une glycémie supérieure à la normale, mais insuffisante pour poser le diagnostic de diabète. Le prédiabète constitue une période cruciale durant laquelle des changements de mode de vie peuvent ralentir la progression vers le diabète.
Malheureusement, le dépistage précoce du prédiabète est complexe en raison de son caractère asymptomatique, de la faible participation aux bilans de santé et du coût des analyses sanguines. L'électrocardiogramme (ECG) est un examen standard permettant de surveiller l'activité électrique du cœur. Le prédiabète étant également connu pour augmenter le risque de maladies cardiaques, l'ECG pourrait être utilisé pour son dépistage.
Des études récentes, utilisant des modèles d'apprentissage profond, ont combiné les données de l'ECG avec d'autres informations sur les patients, telles que l'âge et le sexe, afin de détecter le « diabète ». Cependant, la détection précise du « prédiabète » à partir des seules données de l'ECG n'a pas encore été démontrée.
Dans une nouvelle étude, une équipe de recherche dirigée par Chikara Komiya, professeur associé junior, Ryo Kaneda, doctorant, et Tetsuya Yamada, professeur au Département d'endocrinologie moléculaire et de métabolisme de l'Institut des sciences de Tokyo (Science Tokyo), a développé un nouveau modèle d'intelligence artificielle (IA) appelé DiaCardia. Ce modèle permet d'identifier les personnes atteintes de prédiabète à partir de simples enregistrements d'électrocardiogramme (ECG).
L'équipe comprenait également Daisuke Koga, chercheur (actuellement maître de conférences à l'Université de Saga), Satoshi Ohno, professeur associé junior, et Hideyuki Shimizu, professeur au Département de médecine des systèmes d'IA du Centre de science des données M&D de l'Institut de recherche intégrée de Science Tokyo, ainsi que Hideki Katagiri, professeur au Département de diabète, métabolisme et endocrinologie de la Faculté de médecine de l'Université de Tohoku. Leur étude a été publiée dans le volume 24 de la revue Cardiovascular Diabetology le 11 novembre 2025.
« Il s'agit du premier modèle d'IA robuste, interprétable et généralisable capable d'identifier les personnes atteintes de prédiabète à partir de données d'ECG à 12 dérivations ou à une seule dérivation », explique Komiya.
DiaCardia repose sur l'algorithme d'apprentissage automatique LightGBM, que l'équipe a sélectionné après avoir comparé plusieurs modèles. Pour l'entraînement et les tests, les chercheurs ont utilisé 16 766 dossiers de bilans de santé provenant d'une clinique de Tokyo. Chaque dossier comprenait plusieurs indicateurs de santé, dont la glycémie à jeun, le taux d'hémoglobine glyquée (HbA1c) et des données d'ECG standard à 12 dérivations. L'ensemble de données a été divisé en deux groupes distincts : un groupe d'entraînement et un groupe de test interne.
Le prédiabète/diabète a été défini par la présence d'au moins un des trois critères suivants : glycémie à jeun ≥ 110 mg/dL, HbA1c ≥ 6,0 % ou traitement antidiabétique en cours. Le modèle utilise 269 caractéristiques de forme d'onde extraites de signaux ECG à 12 dérivations.
Lors de tests internes, le modèle a identifié les personnes atteintes de prédiabète avec une précision remarquable, atteignant une aire sous la courbe ROC (AUROC) de 0,851, à partir des seules données ECG. Il a également démontré une performance robuste sur un jeu de données de validation externe provenant d'un autre établissement, sans réentraînement, ce qui témoigne d'une forte généralisabilité.
L'analyse SHAP (Shapley Additive Explanations) a identifié des amplitudes d'onde R plus élevées dans les dérivations ECG à voltage augmenté (gauche et autres) et une variabilité de la fréquence cardiaque réduite comme principaux prédicteurs du prédiabète/diabète. Ces caractéristiques sont connues pour être associées à une augmentation de la masse ventriculaire gauche due respectivement à une résistance à l'insuline et à une neuropathie autonome, ce qui renforce la plausibilité physiologique des prédictions de DiaCardia.
Les chercheurs ont également mené une analyse complémentaire en appariant les participants afin de contrôler six facteurs de confusion majeurs. DiaCardia a conservé un pouvoir prédictif important, indiquant que le modèle capture des caractéristiques ECG spécifiques à une régulation glycémique altérée.
Fait important, même avec des données ECG à une seule dérivation (dérivation I) comportant seulement 28 caractéristiques, le modèle a démontré des performances comparables, presque identiques à celles obtenues avec des données à 12 dérivations. Il s'agit d'une avancée majeure qui pourrait ouvrir de nouvelles perspectives pour le dépistage du prédiabète à domicile grâce à des dispositifs portables portés au poignet.
« DiaCardia a le potentiel de rendre le dépistage du prédiabète évolutif, accessible et disponible à tout moment et en tout lieu, sans prise de sang », conclut Komiya. « En favorisant un dépistage généralisé du prédiabète, ces travaux contribueront à terme à la prévention du diabète. »