Ils utilisent le machine learning (apprentissage automatique) pour améliorer le diagnostic de Cushing canin.

Publié 25 Octobre 2021

Des chercheurs du Royal Veterinary College ont découvert que les algorithmes d'apprentissage automatique ont le potentiel d'améliorer le diagnostic du syndrome de Cushing chez les chiens.

Le syndrome de Cushing est l'une des maladies endocriniennes canines les plus fréquentes. Elle survient en raison d'un excès chronique de glucocorticoïdes circulatoires. Les animaux de plus de neuf ans, certaines races (Bichon Frisé, Yorkshire Terrier et Jack Russell Terrier), ainsi que les femelles, courent un risque accru de développer la maladie.

De plus, les chiens atteints du syndrome de Cushing courent un risque accru de développer d'autres maladies, telles que le diabète sucré, l'hypertension et la pancréatite, ce qui rend un diagnostic rapide et précis encore plus important.

Obtenir un diagnostic correct et précoce du syndrome de Cushing est crucial pour fournir le meilleur traitement possible. Cependant, le diagnostic peut être difficile à établir car les symptômes cliniques, tels qu'une augmentation de la consommation d'eau et de la fréquence des mictions, une augmentation de l'appétit, un abdomen distendu, une faiblesse musculaire, une perte de poils, un halètement et une léthargie, ne sont pas spécifiques à la maladie.

En pratique clinique, le diagnostic est réalisé à l'aide de différentes techniques d'analyses sanguines. Cependant, ce processus peut prendre du temps, être coûteux pour les propriétaires et, dans certains cas, ne pas fournir de résultats précis.

Afin de relever ces défis, une étude a été menée sur une population de 905 544 chiens fréquentant diverses cliniques vétérinaires britanniques, dont 10 141 ont été identifiés comme présentant des signes du syndrome de Cushing. 

Après une sélection manuelle des candidats, 939 chiens ont été évalués pour l'investigation et la mesure de l'efficacité diagnostique du syndrome de Cushing du test.

En utilisant des données cliniques structurées pour observer les caractéristiques démographiques des chiens, les signes cliniques lors de la présentation et les résultats de laboratoire, des algorithmes d'apprentissage automatique ont été appliqués pour établir un diagnostic du syndrome de Cushing. 

Les chiens suspectés d'avoir le syndrome de Cushing ont été inclus dans l'analyse et classés selon le diagnostic final rapporté dans leurs dossiers cliniques.

Les résultats indiquent que le diagnostic assisté par apprentissage automatique pourrait aider le vétérinaire clinique lors de l'approche des cas, et que l'utilisation de méthodes d'apprentissage automatique dans la pratique clinique peut contribuer à améliorer le diagnostic du syndrome de Cushing chez les chiens.

Imogen Schofield, auteure principale, commente que « les algorithmes d'apprentissage automatique, comme ceux utilisés dans cette étude, sont déjà largement intégrés dans notre vie quotidienne pour aider à prendre certaines décisions, comme les recommandations de Google ou de Netflix. Désormais, cette technologie peut être mise à profit pour aider à améliorer les diagnostics dans la pratique vétérinaire. »

Opportunités technologiques pour d'autres maladies

De plus, le développement ultérieur de ces algorithmes pourrait conduire à des diagnostics plus précoces, plus fiables et plus rentables et ainsi à de meilleurs soins cliniques pour les chiens atteints du syndrome de Cushing. Cela pourrait également créer des opportunités pour que cette technologie soit appliquée à d'autres problèmes et processus pathologiques.

« En adoptant l'utilisation de méthodes d'apprentissage automatique, nous nous rapprochons un peu plus de la fourniture aux vétérinaires de première ligne d'un test facile à utiliser, peu coûteux et précis qui peut prendre en charge le processus souvent frustrant du diagnostic du syndrome de Cushing chez les chiens », explique Schofield.