L’intelligence artificielle (IA) et l’apprentissage automatique (ML) ont montré une grande efficacité dans la détection et le diagnostic du syndrome des ovaires polykystiques (SOPK), un trouble hormonal répandu chez les femmes, selon une étude des National Institutes of Health.
Une étude du NIH examine 25 années de données et révèle que l’IA/ML peut détecter un trouble hormonal courant.
Intelligence artificielle (IA) et apprentissage automatique (ML) peut détecter et diagnostiquer efficacement le syndrome des ovaires polykystiques (SOPK), qui est le trouble hormonal le plus courant chez les femmes, généralement entre 15 et 45 ans, selon une nouvelle étude du Instituts nationaux de la santé (NIH). Les chercheurs ont systématiquement examiné les études scientifiques publiées qui utilisaient l’IA/ML pour analyser les données afin de diagnostiquer et de classer le SOPK et ont découvert que les programmes basés sur l’IA/ML étaient capables de détecter avec succès le SOPK.
« Étant donné le lourd fardeau du SOPK sous-diagnostiqué et mal diagnostiqué dans la communauté et ses conséquences potentiellement graves, nous avons voulu identifier l’utilité de l’IA/ML dans l’identification des patients susceptibles d’être à risque de souffrir du SOPK », a déclaré Janet Hall, MD, chercheur principal et endocrinologue à l’Institut national des sciences de la santé environnementale (NIEHS), qui fait partie du NIH, et co-auteur de l’étude. « L’efficacité de l’IA et de l’apprentissage automatique dans la détection du SOPK était encore plus impressionnante que nous le pensions. »
Défis du diagnostic du SOPK
Le SOPK survient lorsque les ovaires ne fonctionnent pas correctement et, dans de nombreux cas, s’accompagne de niveaux élevés de testostérone. Le trouble peut provoquer des règles irrégulières, de l’acné, une pilosité faciale supplémentaire ou une perte de cheveux au niveau de la tête. Les femmes atteintes du SOPK courent souvent un risque accru de développer un diabète de type 2, ainsi que des troubles du sommeil, psychologiques, cardiovasculaires et d’autres troubles de la reproduction tels que le cancer de l’utérus et l’infertilité.
« Le SOPK peut être difficile à diagnostiquer étant donné son chevauchement avec d’autres affections », a déclaré Skand Shekhar, MD, auteur principal de l’étude et médecin de recherche adjoint et endocrinologue au NIEHS. « Ces données reflètent le potentiel inexploité de l’intégration de l’IA/ML dans les dossiers de santé électroniques et dans d’autres contextes cliniques pour améliorer le diagnostic et les soins des femmes atteintes du SOPK. »
Les auteurs de l’étude ont suggéré d’intégrer de grandes études basées sur la population avec des ensembles de données électroniques sur la santé et d’analyser des tests de laboratoire courants pour identifier des biomarqueurs diagnostiques sensibles qui peuvent faciliter le diagnostic du SOPK.
Critères de diagnostic du SOPK et rôle de l’IA/ML
Le diagnostic repose sur des critères standardisés largement acceptés qui ont évolué au fil des ans, mais comprend généralement des caractéristiques cliniques (par exemple, acné, pilosité excessive et règles irrégulières) accompagnées de résultats de laboratoire (par exemple, taux élevé de testostérone dans le sang) et radiologiques (par exemple, multiples petits kystes et augmentation du volume ovarien à l’échographie ovarienne). Cependant, comme certaines caractéristiques du SOPK peuvent coexister avec d’autres troubles tels que l’obésité, le diabète et les troubles cardiométaboliques, il passe souvent inaperçu.
L’IA fait référence à l’utilisation de systèmes ou d’outils informatiques pour imiter l’intelligence humaine et aider à prendre des décisions ou à faire des prédictions. Le ML est une subdivision de l’IA axée sur l’apprentissage des événements précédents et l’application de ces connaissances à la prise de décision future. L’IA peut traiter d’énormes quantités de données distinctes, telles que celles dérivées des dossiers de santé électroniques, ce qui en fait une aide idéale dans le diagnostic de troubles difficiles à diagnostiquer comme le SOPK.
Résultats de l’examen
Les chercheurs ont mené une revue systématique de toutes les études évaluées par des pairs publiées sur ce sujet au cours des 25 dernières années (1997-2022) qui utilisaient l’IA/ML pour détecter le SOPK. Avec l’aide d’un bibliothécaire expérimenté du NIH, les chercheurs ont identifié des études potentiellement éligibles. Au total, ils ont examiné 135 études et en ont inclus 31 dans cet article. Toutes les études étaient observationnelles et évaluaient l’utilisation des technologies IA/ML pour le diagnostic des patients. Des images échographiques ont été incluses dans environ la moitié des études. L’âge moyen des participants aux études était de 29 ans.
Parmi les 10 études qui ont utilisé des critères diagnostiques standardisés pour diagnostiquer le SOPK, la précision de détection variait entre 80 et 90 %.
« Dans une gamme de modalités de diagnostic et de classification, l’IA/ML a montré des performances extrêmement élevées dans la détection du SOPK, ce qui constitue le point le plus important de notre étude », a déclaré Shekhar.
Les auteurs notent que les programmes basés sur l’IA/ML ont le potentiel d’améliorer considérablement notre capacité à identifier précocement les femmes atteintes du SOPK, avec des économies de coûts associées et une réduction du fardeau du SOPK sur les patients et sur le système de santé.
Des études de suivi avec des pratiques de validation et de test robustes permettront une intégration fluide de l’IA/ML pour les problèmes de santé chroniques.
Ce travail a été soutenu par le programme de recherche intra-muros du NIH/Institut national des sciences de la santé environnementale (ZIDES102465 et ZIDES103323).
