Révolutionner l’approche thérapeutique grâce à l’IA

Utilisation de l'intelligence artificielle en médecine vétérinaire 

La médecine vétérinaire a récemment connu une révolution technologique portée par les progrès rapides de l'intelligence artificielle (IA). Cette évolution n'est pas une mode, elle marque un changement fondamental dans la manière dont les vétérinaires peuvent et vont aborder le diagnostic, le traitement et les soins préventifs (1). L'une des applications les plus prometteuses de l'IA est sa capacité à prévoir les risques de maladie, ouvrant la voie à des interventions proactives susceptibles d'améliorer considérablement la santé et la qualité de vie des animaux. Le diabète sucré félin (DS) est un bon exemple car cette maladie affecte gravement la santé des chats partout dans le monde. Cet article montre comment l'IA pourrait aider les cliniciens à traiter cette endocrinopathie courante. Pour illustrer les capacités de l'IA, une grande partie de cet article a été corédigée par une plateforme d’IA générative, présentée dans l'encadré 1. 

 

Encadré 1. Présentation de MAX

 

Le diabète sucré félin, une menace croissante 

Le DS est une maladie complexe et multifactorielle, caractérisée par une altération de la production ou de l'action de l'insuline, qui entraîne une élévation de la glycémie (2). Comme le diabète humain de type 2, son incidence augmente chez les chats et la maladie affecte surtout les individus en surpoids ou obèses (3,4). Selon des études récentes, la probabilité de développement du DS est 4 fois plus élevée chez les chats obèses que chez les chats minces (5). Des données montrent également que le risque de développement du DS est d’autant plus élevé que le chat est en surpoids ou obèse depuis longtemps (Figure 1) (6). Si le DS n'est pas diagnostiqué et pris en charge précocement, la progression insidieuse de la maladie entraîne souvent des complications graves, telles que l’acidocétose, la neuropathie voire la mort (7). Pour les vétérinaires, le défi consiste à pouvoir repérer les chats à risque avant que les signes cliniques ne s’expriment. Les méthodes classiques de diagnostic reposent en effet sur l'observation des symptômes ou la réalisation d'analyses sanguines après l’apparition de la maladie (Figure 2) et cette approche réactive entraîne souvent un diagnostic tardif, une augmentation du coût du traitement et une détérioration du bien-être animal.

Figure 2. Une fois le diagnostic de diabète sucré posé et l’insulinothérapie instaurée, des prélèvements sanguins réguliers sont nécessaires pour surveiller la glycémie du chat. Mieux vaut prévenir que guérir ; la possibilité d'identifier les chats à risque avant que la maladie ne se développe constitue évidemment un avantage majeur pour la santé et le bien-être animal.
© Shutterstock

 

Le potentiel de l'IA pour la prédiction de maladies

L’IA propose une solution révolutionnaire à ce défi. Grâce à l’analyse de très nombreuses données (incluant les dossiers médicaux, le mode de vie, les prédispositions génétiques et les mesures biométriques), les algorithmes peuvent identifier des schémas et des facteurs de risque qui risquent d’échapper à l'observation humaine. Cette capacité de calcul permet de développer des modèles prédictifs capables d’évaluer le risque qu'un chat développe certaines maladies à partir de données telles que :

 

• le dossier médical : historique médical, diagnostics antérieurs, antécédents thérapeutiques ;
• le mode de vie du chat : alimentation, niveau d'activité, vie à l'intérieur ou à l'extérieur ;
• la condition corporelle : évolution du poids et de la note d’état corporel (NEC) avec l’âge ;
• les résultats de laboratoire : glycémie, marqueurs de la sensibilité à l'insuline ;
• les données génétiques : prédispositions raciales, facteurs héréditaires.

À partir de ces données, les chercheurs et les vétérinaires peuvent entraîner des modèles d'apprentissage automatique à reconnaître les associations de facteurs qui augmentent le risque de développer la maladie, avant que n’apparaissent les signes cliniques habituels. 

Présentation de DiabetesPredict

DiabetesPredict est un algorithme capable de détecter si un chat risque de développer un diabète dans les 3 mois ou les 12 mois qui suivent. Cet algorithme peut être utilisé à tout moment et les données collectées lors d'une seule visite vétérinaire (données cliniques et bilan sanguin de base) suffisent au calcul (Figure 3). L’outil a été développé et validé à partir des dossiers médicaux de Banfield entre 2013 et 2023, en utilisant les données issues de 2 557 817 chats ayant fait l’objet de 10 184 040 consultations vétérinaires au cours de cette période. L'algorithme a ensuite été validé en intégrant des données provenant des dossiers médicaux des cliniques VCA (69 422 chats ayant fait l’objet de 116 306 consultations entre 2017 et 2023). Il est en effet important de tester la validité de l’algorithme en utilisant d’autres sources de données car il faut s’assurer que le modèle fonctionne de manière fiable sur des populations différentes.

La précision, la sensibilité et la spécificité du modèle ont été mesurées pour valider l’intérêt de DiabetesPredict. La précision atteint 96 % quand il s’agit de repérer le risque qu’un DS apparaisse dans les trois mois, et la sensibilité est de 80 % ; cela signifie que l’algorithme peut identifier correctement 80 % des chats susceptibles de développer un DS. La spécificité du modèle est également élevée : les faux positifs étant très rares, le risque d’intervenir inutilement est donc faible. 

Figure 3. Aperçu des valeurs à saisir et des résultats du modèle prédictif proposé par DiabetesPredict.
© John Flanagan / revu par Sandrine Fontègne

Recommandations après l’utilisation de DiabetesPredict

Il n'existe actuellement aucune donnée pour recommander des changements alimentaires chez des chats présentant un risque de développer un DS ; le bon sens voudrait cependant qu’une stratégie nutritionnelle similaire à celle mise en place chez les chats atteints de DS clinique soit appliquée. Il est donc souhaitable que les chats présentant un risque de développement de DS dans les 3 mois ou 12 mois à venir consomment un aliment pauvre en glucides digestibles (afin de limiter les réponses glycémique et insulinique postprandiales). Un chat en bonne santé devra avant tout être maintenu à son poids de forme et les propriétaires recevront des conseils clairs pour adapter l'alimentation et surveiller que le poids reste stable. Si le chat est en surpoids, son alimentation devra non seulement contenir peu de glucides digestibles mais elle devra aussi favoriser la perte de poids (selon un rythme de 0,5 à 2 % par semaine, jusqu'à ce que le poids cible soit atteint). Chez un chat diabétique en surpoids, un programme de perte de poids maintenu pendant 12 semaines double la probabilité de rémission du diabète (8). Bien que cela reste à prouver, faire perdre du poids à un chat en phase « prédiabétique » peut également contribuer à prévenir la transition vers le stade clinique. Enfin, chez les chats en insuffisance pondérale, la stratégie consiste à donner un aliment pauvre en glucides digestibles mais riche en énergie, afin de favoriser la prise de poids.

Les propriétaires seront également informés des éventuels signes cliniques à surveiller chez leur animal. Un nouveau contrôle sera planifié dans les 3 à 6 mois afin de générer des données permettant d’actualiser l'algorithme DiabetesPredict.

Application pratique en clinique vétérinaire

L’utilisation d'outils de prévision des risques basés sur l'IA en clinique vétérinaire peut se faire de manière transparente et s'avérer très bénéfique (1). Des outils tels que DiabetesPredict peuvent être intégrés au système d’enregistrement électronique des dossiers médicaux ou être consultés via une plateforme dédiée. L’évaluation des risques sera alors faite en temps réel lors des examens de routine. Ce système présente des avantages pour les vétérinaires comme pour les propriétaires.

• Intervention précoce : identifier les chats à haut risque permet de conseiller des mesures préventives ciblées, telles que la gestion du poids et/ou des modifications nutritionnelles.
• Amélioration du bien-être animal : la détection et la prise en charge précoces peuvent améliorer la qualité de vie du chat, réduire sa douleur et allonger son espérance de vie en bonne santé.
• Réputation : utiliser ce type d’outils en consultation met en avant l'expertise du vétérinaire, favorisant une hausse de la fréquentation et renforçant la fidélité des clients.
• Economies : prévenir ou retarder l'apparition du DS réduit le coût du traitement à long terme et allège la pression financière pour le client.

Conclusion

Les vétérinaires ne peuvent actuellement pas prédire le risque de diabète chez un chat et il n'existe aucun moyen de détecter un état prédiabétique. Utiliser un algorithme tel que DiabetesPredict offre une opportunité unique d'intervenir plus tôt pour éviter que les chats à risque ne développent un diabète clinique. De plus, la détection précoce d’un risque accru de maladie peut orienter la décision de recommander des analyses sanguines plus fréquentes ou de mettre en place précocement des modifications du mode de vie, notamment des adaptations nutritionnelles. De manière plus générale, les modèles d’intelligence artificielle offriront à l’avenir aux vétérinaires une assistance basée sur les données, les aidant ainsi à prendre des décisions moins subjectives et plus éclairées pour de nombreuses maladies.

 

 

Références

1. Albergante L, O’Flynn C, De Meyer G. Artificial intelligence is beginning to create value for selected small animal veterinary applications while remaining immature for others. J. Am. Vet. Med. Assoc. 2025;263:388-394.
2. Osto M, Zini E, Reusch CE, et al. Diabetes from humans to cats. Gen. Comp. Endocrinol. 2013;182:48-53.
3. Scarlett JM, Donoghue S. Associations between body condition and disease in cats. J. Am. Vet. Med. Assoc. 1998;212:1725-1731.
4. O'Neill DG, Gostelow R, Orme C, et al. Epidemiology of diabetes mellitus among 193,435 cats attending primary-care veterinary practices in England. J. Vet. Intern. Med. 2016;30:964-972.
5. Verbrugghe A, Hesta M. Cats and carbohydrates: the carnivore fantasy? Vet. Sci. 2017;4:55.
6. Flanagan J, Kocevar G, Reinert B, et al. Association between prior obesity and development of feline diabetes mellitus: a pair-matched 1:3 case-control study. In: Proceedings, 35^th European Veterinary Internal Medicine-Companion Animals Congress 2025; Maastricht, the Netherlands.
7. Gilor C, Fleeman L. Diabetes mellitus in cats. In: Ettinger SJ, Feldman EC and Cote E (eds). Ettinger’s Textbook of Veterinary Internal Medicine. eBook: Elsevier, 2024;292.
8. Jørgensen FK, Kieler IN, Xia D, et al. Effect of 12-week, intentional caloric restriction, using a novel therapeutic diabetic diet suitable for weight reduction, on glycemic control in overweight cats with diabetes mellitus: an international prospective, randomized clinical trial. In: Proceedings, 35^th European Congress of Veterinary Internal Medicine for Companion Animals 2025; Maastricht, the Netherlands.