Guillaume Rolland
L’intelligence artificielle (IA) et l’apprentissage automatique (ML) peuvent détecter et diagnostiquer efficacement le syndrome des ovaires polykystiques (SOPK), qui est le hassle hormonal le moreover courant chez les femmes, généralement entre 15 et 45 ans, selon une nouvelle étude des Nationwide Institutes of Santé. 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 clients susceptibles d’être à risque de 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 additionally impressionnante que nous le pensions.”
Le SOPK survient lorsque les ovaires ne fonctionnent pas correctement et, dans de nombreux cas, s’accompagne de niveaux élevés de testostérone. Le difficulty 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 form 2, ainsi que des difficulties du sommeil, psychologiques, cardiovasculaires et d’autres problems de la copy tels que le most cancers 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’incorporation 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 populace avec des ensembles de données électroniques sur la santé et d’analyser des assessments de laboratoire courants pour identifier des biomarqueurs diagnostiques sensibles qui peuvent faciliter le diagnostic du SOPK.
Le diagnostic repose sur des critères standardisés largement acceptés qui ont évolué au fil des années, mais comprend généralement des caractéristiques cliniques (par exemple, acné, pilosité extreme et règles irrégulières) accompagnées de résultats de laboratoire (par exemple, taux élevé de testostérone dans le sang) et radiologiques (par exemple, plusieurs petits kystes et augmentation du quantity ovarien à l’échographie ovarienne). Cependant, comme certaines caractéristiques du SOPK peuvent coexister avec d’autres difficulties tels que l’obésité, le diabète et les difficulties 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 upcoming. 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 difficulties difficiles à diagnostiquer comme le SOPK.
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 overall, ils ont examiné 135 études et en ont inclus 31 dans cet short article. Toutes les études étaient observationnelles et évaluaient l’utilisation des systems IA/ML pour le diagnostic des sufferers. Des photos échographiques ont été incluses dans approximativement la moitié des études. L’âge moyen des participants aux études était de 29 ans.
Parmi les 10 études utilisant des critères de diagnostic standardisés pour diagnostiquer le SOPK, la précision de la détection variait entre 80 et 90 %.
“Dans une gamme de modalités de diagnostic et de classification, l’IA/ML a montré une effectiveness extrêmement élevée dans la détection du SOPK, ce qui constitue le stage le additionally critical 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 clients et sur le système de santé.
Des études de suivi avec des pratiques de validation et de exam robustes permettront une intégration fluide de l’IA/ML pour les problèmes de santé chroniques.
