Outil de détection du diabète par smartphone : biomarqueur numérique pour identification précoce du risque

Des chercheurs ont développé un « biomarqueur numérique » qui utiliserait la caméra intégrée d'un smartphone pour détecter le diabète. L'outil pourrait aider à identifier les personnes à risque plus élevé de diabète, aidant finalement à diminuer la prévalence du diabète non diagnostiqué.

Des outils de dépistage déployables facilement en utilisant la technologie déjà contenue dans les smartphones pourraient rapidement augmenter la capacité de détecter le diabète, y compris dans des populations hors d'atteinte des soins médicaux traditionnels. À ce jour, des outils non invasifs et largement déployables pour détecter le diabète faisaient défaut, motivant le développement de l'algorithme.

Développement du biomarqueur

En développant le biomarqueur, les chercheurs ont émis l'hypothèse qu'une caméra de smartphone pourrait être utilisée pour détecter les dommages vasculaires dus au diabète en mesurant des signaux appelés photopléthysmographie (PPG), que la plupart des appareils mobiles, montres connectées et trackers d'activité sont capables d'acquérir. Les chercheurs ont utilisé la lampe torche et la caméra du téléphone pour mesurer les PPG en capturant les changements de couleur au bout du doigt correspondant à chaque battement cardiaque.

L'équipe a obtenu près de 3 millions d'enregistrements PPG de 53 870 patients qui ont utilisé l'application Azumio Instant Heart Rate sur iPhone et ont rapporté avoir été diagnostiqués diabétiques par un professionnel de santé. Ces données ont été utilisées pour développer et valider un algorithme d'apprentissage profond pour détecter la présence du diabète en utilisant les signaux PPG mesurés par smartphone.

Résultats de performance

Globalement, l'algorithme a correctement identifié la présence du diabète chez jusqu'à 81 % des patients dans deux jeux de données distincts. Quand l'algorithme a été testé dans un jeu de données additionnel de patients inscrits en cliniques en personne, il a correctement identifié 82 % des patients diabétiques. Parmi les patients que l'algorithme prédisait ne pas avoir de diabète, 92 à 97 % n'avaient pas la maladie dans les jeux de données de validation. Quand cette prédiction dérivée PPG était combinée avec d'autres informations patient facilement obtenables — comme âge, sexe, indice de masse corporelle et origine ethnique — la performance prédictive s'améliorait davantage.

À ce niveau de performance prédictive, l'algorithme pourrait servir un rôle similaire à d'autres outils de dépistage de maladies répandus pour atteindre un groupe de personnes beaucoup plus large, suivi d'une confirmation du diagnostic de diabète par un médecin et d'un plan de traitement. La performance de l'algorithme est comparable à d'autres tests couramment utilisés, comme la mammographie pour le cancer du sein ou la cytologie cervicale pour le cancer du col de l'utérus, et son absence de douleur le rend attrayant pour des tests répétés.