Un modèle d’intelligence artificielle nommé DiaCardia, développé par une équipe dirigée par le junior-associé-professeur Chikara Komiya, le doctorant Ryo Kaneda et le professeur Tetsuya Yamada de l’Institut des sciences de Tokyo (Science Tokyo), permet de détecter la prédiabète à partir de données d’électrocardiogramme (ECG), sans nécessiter de prélèvement sanguin. Cette innovation, publiée dans la revue Cardiovascular Diabetology, représente une avancée majeure dans le dépistage précoce du diabète de type 2, une maladie chronique causée par une résistance à l’insuline ou une sécrétion insuffisante d’insuline, entraînant une hyperglycémie. La prédiabète, stade intermédiaire caractérisé par une glycémie élevée mais insuffisante pour établir un diagnostic de diabète, constitue une fenêtre critique pour prévenir la progression vers le diabète grâce à des changements de mode de vie. Le principal obstacle au dépistage précoce réside dans le caractère asymptomatique de la prédiabète, la faible participation aux examens de santé et le coût des analyses sanguines. L’ECG, couramment utilisé pour évaluer la fonction cardiaque, est un outil prometteur car la prédiabète est associée à un risque accru de maladies cardiovasculaires. Cependant, jusqu’à présent, aucun modèle d’IA n’avait démontré une détection fiable de la prédiabète uniquement à partir de données ECG. DiaCardia, basé sur l’algorithme LightGBM, a été entraîné sur 16 766 dossiers médicaux provenant d’un seul cabinet à Tokyo, incluant des mesures de glycémie à jeun (FPG), d’hémoglobine glyquée (HbA1c) et d’ECG à 12 dérivations. La prédiabète ou le diabète étaient définis selon au moins un des critères suivants : FPG ≥ 110 mg/dL, HbA1c ≥ 6,0 % ou traitement du diabète. Dans les tests internes, le modèle a atteint un score d’AUC (aire sous la courbe ROC) de 0,851, démontrant une précision élevée. Son efficacité a été confirmée dans un jeu de données externe, sans re-entraînement, prouvant sa robustesse et sa généralisabilité. L’analyse SHAP a identifié des amplitudes élevées des ondes R dans certaines dérivations (notamment aVL) et une réduction de la variabilité de la fréquence cardiaque comme principaux facteurs prédictifs, des marqueurs physiologiquement liés à une hypertrophie du ventricule gauche (dû à la résistance à l’insuline) et à une neuropathie autonome. Même après ajustement pour six facteurs de confusion, le modèle conservait une forte capacité prédictive, confirmant qu’il capte des caractéristiques spécifiques à la régulation altérée du glucose. L’un des résultats les plus prometteurs est que DiaCardia fonctionne presque aussi bien avec un ECG à une seule dérivation (lead I), utilisant seulement 28 caractéristiques, ce qui ouvre la voie à un dépistage à domicile via des montres connectées ou des dispositifs portables. « DiaCardia a le potentiel de rendre le dépistage de la prédiabète élargi, accessible et disponible à tout moment, sans besoin de sang », affirme Komiya. Cette technologie pourrait révolutionner la prévention du diabète en permettant un dépistage massif, précoce et non invasif. Experts du secteur saluent cette avancée comme une étape cruciale vers une médecine préventive basée sur les données. Des entreprises comme Apple, Fitbit et Medtronic, actives dans les dispositifs portables, pourraient intégrer ce type de modèle dans leurs systèmes, facilitant une surveillance continue de la santé métabolique. Toutefois, des essais cliniques à grande échelle et des validations réglementaires restent nécessaires avant une mise en œuvre généralisée.