Analyse du pancréas humain basée sur l’IA explicable identifie des caractéristiques du diabète de type 2

Pourquoi cette recherche compte pour la santé quotidienne

Le diabète de type 2 touche des centaines de millions de personnes, et pourtant les médecins peinent encore à repérer des signes physiques nets de la maladie dans le pancréas, l’organe qui produit l’insuline. Cette étude utilise une intelligence artificielle puissante, associée à une microscopie avancée, pour lire des motifs subtils dans le tissu pancréatique humain invisibles à l’œil nu. Ce faisant, elle révèle de nouveaux traits structurels liés au diabète de type 2 et suggère des pistes inédites pour le diagnostic, la prévention et le traitement.

Observer le pancréas avec un niveau de détail sans précédent

Traditionnellement, les scientifiques examinent des tissus pancréatiques provenant de donneurs décédés pour rechercher des altérations associées au diabète de type 2, comme des cicatrices, des dépôts de graisse ou la perte de cellules productrices d’insuline. Ces études ont produit une longue liste d’anomalies possibles, mais aucune n’a été suffisamment fiable pour que les pathologistes puissent, en regardant seulement une lame au microscope, affirmer avec certitude qu’une personne était diabétique. Dans ce travail, les chercheurs ont constitué une collection unique d’images ultra–haute résolution provenant d’échantillons pancréatiques prélevés en chirurgie sur 100 donneurs vivants, dont 35 atteints de diabète de type 2 et 65 non atteints. Chaque échantillon a été coloré de plusieurs manières pour mettre en évidence différents types cellulaires : les cellules productrices d’hormones dans les îlots, les vaisseaux sanguins, les adipocytes et les fibres nerveuses. Cet ensemble visuel riche, bien trop complexe pour être entièrement traité par un humain, est précisément le domaine où l’intelligence artificielle excelle.

Entraîner l’IA à reconnaître le pancréas diabétique

L’équipe a entraîné des modèles d’apprentissage profond pour distinguer les tissus de personnes avec et sans diabète de type 2. Comme chaque image de lame entière contient des milliards de pixels, ils ont d’abord découpé les lames en nombreux petits patchs. Un transformeur de vision préentraîné a extrait des caractéristiques de chaque patch, et un classifieur spécialisé en « multiple instance learning » a ensuite combiné l’information de tous les patchs d’une lame pour décider si elle provenait d’un donneur diabétique ou non. Pour éviter le surapprentissage, ils ont utilisé une validation croisée répétée puis moyenné les prédictions de 15 modèles distincts. Les meilleures performances ont été obtenues avec des images en fluorescence multiplex qui mettaient simultanément en évidence les cellules alpha, les cellules delta et les fibres nerveuses, atteignant une aire sous la courbe de 0,956 — une preuve solide que l’IA pouvait « voir » de façon fiable des motifs liés au diabète que les pathologistes n’avaient pas su formaliser.

Faire en sorte que la boîte noire s’explique

Cependant, la prédiction seule n’était pas l’objectif ; les auteurs visaient une compréhension biologique. Ils ont donc appliqué des techniques d’IA explicable montrant quelles régions et quels pixels le modèle utilisait pour ses décisions. Des cartes d’attention ont mis en évidence les zones les plus influentes sur l’ensemble des lames, tandis que des méthodes d’attribution ont zoomé jusqu’au niveau des cellules et des structures individuelles. Pour convertir ces cartes colorées en chiffres, l’équipe a entraîné des réseaux de segmentation séparés capables de délimiter automatiquement les îlots, les amas d’adipocytes et le tissu conjonctif (fibrosé). Ils ont ensuite quantifié des caractéristiques telles que la taille des îlots, la surface totale de graisse, le nombre d’amas graisseux, la distance entre îlots et dépôts de graisse voisins, et l’étendue du tissu fibrotique, et analysé comment ces « biomarqueurs histologiques » se corrélaient avec le statut diabétique et la sécrétion d’insuline, en tenant compte de l’âge, du sexe, de l’indice de masse corporelle et d’autres facteurs cliniques.

Nouveaux indices : graisse, nerfs, cicatrisation et îlots réduits

L’analyse basée sur l’IA a mis au jour plusieurs traits constants du pancréas diabétique. Les personnes atteintes de diabète de type 2 avaient tendance à avoir des îlots plus petits et des amas d’adipocytes plus volumineux à l’intérieur du pancréas. Fait important, les îlots chez les donneurs diabétiques se trouvaient plus proches de ces dépôts graisseux, ce qui suggère une influence locale plus directe du tissu adipeux sur les cellules productrices d’hormones. La quantité de tissu conjonctif, de type cicatriciel, était également plus élevée dans le diabète et s’associait à une moins bonne sécrétion d’insuline. Parallèlement, les modèles d’IA accordaient une importance étonnamment grande aux structures marquées pour la tubuline beta 3, un marqueur des fibres nerveuses, en particulier lorsque ces fibres traversaient ou se situaient près des îlots. Cela indique des modifications de l’innervation pancréatique — la manière dont les nerfs interagissent avec les cellules des îlots — comme contributeur potentiellement important et sous-estimé au diabète de type 2. Ensemble, ces résultats suggèrent que ce ne sont pas seulement les cellules bêta qui comptent, mais aussi leur voisinage : adipocytes proches, cicatrisation, vaisseaux sanguins et nerfs semblent tous influer sur la santé des îlots.

Ce que cela signifie pour les soins futurs

Pour les non-spécialistes, le message clé est que le diabète de type 2 laisse une empreinte subtile mais détectable dans l’architecture du pancréas. En combinant imagerie haute résolution et IA explicable, cette étude traduit ces motifs en caractéristiques mesurables — telles que la taille des îlots, la distribution de la graisse, la présence de nerfs et la fibrose — qui se corrèlent avec le diabète et avec la capacité restante du corps à produire de l’insuline. Bien que cette approche ne constitue pas encore un outil diagnostique pour la pratique courante, elle offre une feuille de route puissante pour découvrir de nouvelles cibles médicamenteuses et affiner notre compréhension du développement du diabète. À long terme, les connaissances issues de telles analyses tissulaires guidées par l’IA pourraient aider les médecins à mieux prédire qui est à risque, surveiller la progression de la maladie et concevoir des thérapies qui protègent non seulement les cellules bêta mais aussi l’environnement pancréatique environnant.

Citation: Klein, L., Ziegler, S., Gerst, F. et al. Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes. Nat Commun 17, 1558 (2026). https://doi.org/10.1038/s41467-026-69295-2

Mots-clés: diabète de type 2, pancréas, intelligence artificielle, histopathologie, biomarqueurs