L'intelligence artificielle (IA) et l'apprentissage automatique (ML) peuvent détecter et diagnostiquer efficacement le syndrome des ovaires polykystiques (SOPK), le trouble hormonal le plus courant chez les femmes qui survient généralement entre 15 et 45 ans, selon une nouvelle étude des National Institutes of Health (NIH). Les chercheurs ont systématiquement examiné les études scientifiques publiées utilisant 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 fardeau important du sous-diagnostic et des erreurs de diagnostic du SOPK dans la communauté et ses conséquences potentiellement graves, nous avons voulu déterminer l'utilité de l'IA/ML pour identifier les patients susceptibles d'être à risque de souffrir du SOPK", a déclaré la co-auteure de l'étude Janet Hall, MD, chercheuse principale et endocrinologue à l'Institut national des sciences de la santé environnementale (NIEHS), qui fait partie des National Institutes of Health (NIH). "L'efficacité de l'intelligence artificielle et de l'apprentissage automatique dans la détection du SOPK est plus impressionnante que nous le pensions."
Le syndrome des ovaires polykystiques survient lorsque les ovaires ne fonctionnent pas correctement, dans de nombreux cas accompagnés de taux de testostérone élevés. La maladie peut provoquer des règles irrégulières, de l’acné, des poils sur le visage ou une perte de cheveux sur la tête. Les femmes atteintes du SOPK courent généralement un risque accru de diabète de type 2, de troubles du sommeil, psychologiques, cardiovasculaires et d'autres troubles de la reproduction tels que le cancer de l'utérus et l'infertilité.
"Le diagnostic du SOPK peut être difficile étant donné son chevauchement avec d'autres affections", a déclaré l'auteur principal de l'étude, Skand Shekhar, MD, médecin de recherche adjoint et endocrinologue aux National Institutes of Health. « Ces données reflètent le potentiel inexploité d'intégrer l'IA/ML dans les dossiers de santé électroniques et d'autres paramètres cliniques pour améliorer le diagnostic et les soins des femmes atteintes du SOPK.
Les auteurs de l'étude recommandent de combiner 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 pourraient aider à diagnostiquer le SOPK.
Le SOPK est diagnostiqué sur la base de critères standardisés qui ont évolué au fil des ans et sont largement acceptés, mais incluent généralement des caractéristiques cliniques (telles que l'acné, une croissance excessive des cheveux et des menstruations irrégulières) ainsi que des résultats de laboratoire (tels qu'un taux élevé de testostérone dans le sang) et radiologiques (tels que plusieurs petits kystes et une augmentation de la taille des ovaires à l'échographie ovarienne). Cependant, le SOPK est souvent négligé car certaines caractéristiques du SOPK peuvent coexister avec d’autres pathologies telles que l’obésité, le diabète et les troubles cardiométaboliques.
L'intelligence artificielle 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 branche de l’intelligence artificielle qui se concentre sur l’apprentissage des événements précédents et sur l’application de ces connaissances aux décisions futures. L'intelligence artificielle peut traiter de grandes quantités de données différentes, telles que celles obtenues à partir des dossiers de santé électroniques, et constitue donc une aide idéale pour diagnostiquer des affections difficiles à diagnostiquer telles que le syndrome des ovaires polykystiques.
Les chercheurs ont mené une revue systématique de toutes les études évaluées par des pairs utilisant l’IA/ML pour détecter le SOPK publiées au cours des 25 dernières années (1997-2022). Avec l’aide d’un bibliothécaire expérimenté du NIH, les chercheurs ont identifié les études potentiellement éligibles. Ils ont examiné un total de 135 études et en ont inclus 31 dans cet article. Toutes les études étaient observationnelles et évaluaient l’utilisation des technologies IA/ML dans le diagnostic des patients. Environ la moitié des études incluaient des images échographiques. L'âge moyen des participants à l'étude était de 29 ans.
Dans 10 études utilisant des critères de diagnostic standardisés pour diagnostiquer le SOPK, la précision de détection variait entre 80 % et 90 %.
"Dans diverses modalités de diagnostic et de classification, l'IA/ML s'est extrêmement bien comportée dans la détection du SOPK, ce qui constitue la conclusion la plus importante de notre étude", a déclaré Shekhar.
Les auteurs notent que les projets basés sur l’IA/ML ont le potentiel d’améliorer considérablement notre capacité à détecter précocement les femmes atteintes du SOPK, économisant ainsi les coûts associés et réduisant le fardeau qu’impose le SOPK aux patients et au système de santé. Des recherches de suivi avec de solides pratiques de validation et de test permettront une intégration fluide de l’IA/ML aux problèmes de santé chroniques.