Roman RemberUne équipe de recherche innovante dirigée par les professeurs Ryu Ji-won, Kim Hye-won et Kim Se-jung de l’hôpital universitaire national de Bundang Séoul a dévoilé une technologie révolutionnaire qui estime l’apport en sel à partir de photos de repas en utilisant une analyse d’intelligence artificielle.
La consommation excessive de sel est un facteur de risque connu pour les maladies cardiovasculaires telles que l’hypertension artérielle et l’infarctus du myocarde, ainsi que pour des affections systémiques chroniques telles que l’insuffisance rénale, le cancer de l’estomac et l’ostéoporose. Malgré la recommandation de l’Organisation mondiale de la santé d’un apport quotidien en sel de 2 000 mg, la consommation quotidienne moyenne en Corée du Sud dépasse ce seuil de 1,6 fois, soulignant la nécessité de sensibilisation et de gestion.
Jusqu’à présent, le suivi précis de la consommation de sel a été difficile en raison de l’impraticabilité de noter méticuleusement les listes d’aliments et les quantités consommées à chaque repas. Les méthodes actuelles, comme le « test de sodium dans les urines de 24 heures », réalisé lors d’hospitalisations pour des affections nécessitant une restriction en sel, sont considérées comme les plus précises mais aussi les plus contraignantes.
Dans ce contexte, les professeurs Ryu, Kim et Kim et leur équipe de recherche ont exploité les avancées rapides de l’intelligence artificielle pour valider l’utilité de l’estimation de l’apport en sodium à partir de photos de repas. En utilisant des modèles d’IA qui détectent les aliments, les classifient et mesurent les portions, l’équipe a démontré que la comparaison des différences de teneur en sel entre les photos prises avant et après le repas permet une estimation précise de l’apport en sodium.
L’étude a impliqué la capture de photos d’aliments avant et après les repas consommés par des patients hospitalisés à l’hôpital universitaire national de Bundang Séoul, et la comparaison de l’apport en sodium calculé par l’IA avec les résultats du test de sodium dans les urines de 24 heures. Les résultats ont confirmé que, en tenant compte de variables telles que le sexe, l’âge, la fonction rénale et l’utilisation de diurétiques, l’analyse par IA fournit des résultats qui reflètent étroitement ceux du test urinaire. De plus, l’équipe a réussi à dériver une équation prédisant les résultats réels du test de sodium dans les urines en utilisant l’apport estimé en sodium par l’IA et le débit de filtration glomérulaire estimé.
Cette recherche met en évidence le potentiel de l’utilisation de la technologie IA pour un suivi pratique de l’apport en sodium chez les patients hospitalisés, avec des développements futurs destinés à étendre ses applications à la vie quotidienne. Le professeur Ryu a souligné la simplicité de capturer des photos d’aliments avant et après les repas via des applications smartphone, en faisant une approche plus conviviale que la tenue manuelle de registres ou les enquêtes. Le professeur Kim a souligné l’importance de la gestion de l’apport en sel dans la vie quotidienne pour prévenir les complications liées à l’hypertension, concluant que la technologie d’estimation du sodium par IA pourrait être un outil précieux à cet égard. Publiées dans le journal international de recherche formative de santé ‘JMIR’, ces découvertes marquent une avancée significative vers la transformation du suivi de l’apport en sel grâce à des solutions IA innovantes.
