Un modèle d’IA relie la résistance à l’insuline à 12 types de cancer dans une étude portant sur un demi-million de personnes

Des chercheurs dirigés par l’University of Tokyo ont utilisé un modèle d’apprentissage automatique pour montrer que la résistance à l’insuline est un facteur de risque pour 12 types de cancer dans une étude portant sur un demi-million de participants de la UK Biobank, apportant la première preuve à l’échelle d’une population de ce lien longtemps suspecté. Les résultats ont été publiés dans Nature Communications dans un article intitulé « Machine learning-predicted insulin resistance is a risk factor for 12 types of cancer ».

La résistance à l’insuline — lorsque l’organisme ne répond pas correctement à l’insuline, une hormone qui aide à contrôler la glycémie — est l’une des causes fondamentales du diabète de type 2 et est étroitement associée à l’obésité. En plus du diabète, il est largement reconnu que la résistance à l’insuline peut entraîner des maladies cardiovasculaires, rénales et hépatiques. Malgré son impact étendu, la résistance à l’insuline s’est révélée notoirement difficile à mesurer directement en pratique clinique, limitant la capacité des chercheurs à en comprendre pleinement les conséquences.

Ce défi a conduit Yuta Hiraike, chercheur à l’University of Tokyo Hospital, et des collègues de l’University of Tokyo à se tourner vers l’intelligence artificielle. L’équipe a récemment développé un outil d’apprentissage automatique appelé AI-IR, qui prédit la résistance à l’insuline à partir de neuf mesures cliniques standard recueillies lors des bilans de santé de routine. « Nous avons récemment créé un outil, AI-IR, pour prédire la résistance à l’insuline chez les individus à partir de neuf informations médicales différentes », a déclaré Hiraike. « Il s’est révélé efficace et nous a fait penser que nous pouvions appliquer cet outil à des problématiques connexes. »

L’une de ces problématiques était le cancer. Bien que les scientifiques soupçonnent depuis longtemps un lien entre la résistance à l’insuline et certains cancers, il a été difficile de rassembler des preuves à grande échelle, car la mesure directe nécessite des tests spécialisés disponibles uniquement dans des cliniques de diabétologie avancées. Même si un lien possible entre résistance à l’insuline et cancer a été suggéré, les données à grande échelle ont été limitées en raison de la difficulté à évaluer la résistance à l’insuline en clinique. En appliquant AI-IR à 500,000 participants de la UK Biobank, l’équipe a pu estimer la résistance à l’insuline à l’échelle d’une population et examiner sa relation avec l’incidence des cancers.

« Avec AI-IR, nous avons apporté la première preuve à l’échelle d’une population que la résistance à l’insuline est un facteur de risque de cancer », a déclaré Hiraike. Comme le modèle s’appuie sur des données cliniques de routine, a-t-il ajouté, « AI-IR pourrait être facilement mis en œuvre pour identifier les personnes à haut risque et permettre un dépistage ciblé du diabète, des maladies cardiovasculaires et du cancer ».

L’étude met également en évidence les limites du recours à l’indice de masse corporelle (IMC) comme substitut de la santé métabolique. Il est courant aujourd’hui que l’IMC, une mesure de la masse grasse, serve à prédire la résistance à l’insuline d’un individu et, par effet domino, sa susceptibilité à des cancers associés. Mais cela entraîne des faux positifs, où certaines personnes obèses sont considérées comme métaboliquement saines et ne subissent pas les effets délétères de l’obésité au même degré que d’autres, ainsi que des faux négatifs, où des personnes ayant un IMC idéal finissent par souffrir de résistance à l’insuline ou de problèmes connexes généralement associés à l’obésité. En combinant neuf paramètres cliniques en une métrique unique, AI-IR peut détecter une résistance à l’insuline que l’IMC seul ne peut pas expliquer.

Une partie du défi auquel Hiraike et son équipe ont été confrontés consistait à convaincre les relecteurs de l’article qu’AI-IR pouvait surmonter ces limites de manière fiable et reproductible. Heureusement, ils ont démontré non seulement sa capacité prédictive, mais aussi que leur modèle est robuste dans diverses conditions. « Lorsqu’il a été comparé à une résistance à l’insuline mesurée directement dans des jeux de données de validation, AI-IR a atteint de solides performances prédictives », a déclaré Hiraike. « Mesurer directement la résistance à l’insuline est impraticable, sauf là où les patients sont pris en charge dans des cliniques de diabétologie spécialisées. AI-IR offre une alternative robuste et évolutive pour évaluer la résistance à l’insuline à l’échelle de la population. »

L’équipe prévoit maintenant d’explorer comment les différences génétiques influencent le risque de cancer lié à la résistance à l’insuline et d’intégrer des données humaines à grande échelle à des études de biologie moléculaire. « Nous travaillons maintenant à comprendre comment les différences génétiques entre individus influencent ce risque et, à terme, à relier des données humaines à grande échelle à des études de biologie moléculaire afin de développer de meilleures stratégies pour surmonter la résistance à l’insuline », a déclaré Hiraike.