L'analyse des tomodensitogrammes chez les personnes qui subissent une imagerie pour un dépistage de santé peut identifier les individus à risque de diabète de type 2, selon une étude publiée aujourd'hui dans Radiologieune revue de la Radiological Society of North America (RSNA). Les chercheurs ont déclaré que les résultats soulignent la valeur de la tomodensitométrie dans l'imagerie opportuniste, c'est-à-dire l'utilisation des informations issues des examens d'imagerie de routine pour en savoir plus sur l'état de santé général d'un patient.
Pour la nouvelle étude, les chercheurs ont évalué la capacité des marqueurs automatisés dérivés de la tomodensitométrie à prédire le diabète et les maladies associées.
Compte tenu du fardeau important que représentent le diabète et ses complications, nous avons cherché à déterminer si des analyses d'imagerie automatisées et précises pouvaient améliorer la détection précoce et la stratification des risques au-delà des méthodes conventionnelles.
Seungho Ryu, docteur en médecine et auteur principal de l'étude, de l'hôpital Kangbuk Samsung de la faculté de médecine de l'université Sungkyunkwan à Séoul, en Corée du Sud
Le groupe d'étude comprenait 32 166 adultes âgés de 25 ans ou plus qui ont subi un examen de santé avec du 18F-fluorodésoxyglucose (18TEP/TDM au F-FDG.
Le Dr Ryu et ses collègues ont utilisé des algorithmes d'apprentissage profond validés cliniquement pour analyser les images CT. Ces algorithmes ont permis la segmentation et la quantification en 3D 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.
L'analyse automatisée par tomodensitométrie multiorganique a permis d'identifier les personnes présentant un risque élevé de diabète et de pathologies associées. L'indice de graisse viscérale (la graisse abdominale sous les muscles et autour des organes de l'abdomen) a montré la meilleure performance prédictive pour le diabète. La combinaison de la graisse viscérale, de la surface musculaire, de la fraction de graisse hépatique et de la calcification aortique a amélioré la performance prédictive. Les marqueurs dérivés de la tomodensitométrie ont également permis d'identifier une stéatose hépatique diagnostiquée par échographie, des scores de calcium des artères coronaires supérieurs à 100, l'ostéoporose et la perte musculaire liée à l'âge appelée 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'élargir le rôle de l'imagerie CT au-delà du diagnostic conventionnel des maladies pour un dépistage proactif opportuniste », a déclaré le Dr Ryu. « Cette analyse CT automatisée améliore la prédiction des risques et les stratégies d'intervention précoce pour le diabète et les problèmes de santé associés. »
Dans le contexte clinique, ces marqueurs dérivés de la tomodensitométrie ont le potentiel d’améliorer l’approche conventionnelle du dépistage du diabète et de l’évaluation des risques, a noté le Dr Ryu.
« En intégrant ces techniques d'imagerie avancées dans des examens de santé opportunistes, les cliniciens peuvent identifier les personnes à haut risque de diabète et de ses complications avec plus de précision et plus tôt que l'approche actuelle », a-t-il déclaré. « Cela pourrait conduire à des interventions plus personnalisées et plus rapides, améliorant ainsi les résultats pour les patients. »
« Évaluation automatisée et complète par tomodensitométrie du risque de diabète et des affections cardiométaboliques associées. » Le Dr Ryu a collaboré avec Yoosoo Chang, MD, Ph.D., Soon Ho Yoon, MD, Ph.D., Ria Kwon, Ph.D., Jeonggyu Kang, MD, Young Hwan Kim, MD, Ph.D., Jong-Min Kim, Ph.D., Han-Jae Chung, Ph.Dc., JunHyeok Choi, Ph.Dc., Hyun-Suk Jung, MD, Ph.D., Ga-Young Lim, Ph.D., Jiin Ahn, MSPH, Sarah H. Wild, MB, B.Chir., Ph.D., et Christopher D. Byrne, MBBCh., Ph.D.
