- Les chercheurs ont récemment créé un modèle d’intelligence artificielle qui prédit l’apparition du diabète avec 12 heures de données de glycémie recueillies à partir d’un appareil portable.
- Ils disent que leur modèle pourrait aider au diagnostic du prédiabète et aider à prévenir le diabète de type 2.
- L’impact du modèle d’IA sur les taux de dépistage du diabète de type 2 reste à voir.
Le diabète est une maladie chronique
Environ 463 millions de personnes dans le monde ont un diagnostic de diabète ;
Le prédiabète, ou « hyperglycémie intermédiaire », est le stade à haut risque avant le diabète de type 2, lorsque la glycémie est supérieure à la moyenne mais inférieure au seuil du diabète.
Autour de
Les diagnostics de diabète et de prédiabète impliquent généralement des tests sanguins, y compris le test A1C, une mesure de la glycémie moyenne d’une personne au cours des 3 derniers mois, un test de glycémie à jeun, un test de tolérance au glucose ou un test de glycémie aléatoire.
De nouvelles façons de dépister le prédiabète et le diabète de type 2 peuvent encourager les individus à se faire tester.
Dans une nouvelle étude, les chercheurs ont cherché à savoir s’ils pouvaient utiliser les lectures des glucomètres en continu (CGM) pour diagnostiquer le prédiabète et le diabète. Avec seulement 12 heures de données sur le profil glycémique, les chercheurs ont pu classer le diabète de type 2, le prédiabète et les personnes sans altération de la tolérance au glucose.
Jouhyun Clare Jeon, Ph.D., chercheur principal à Klick Applied Sciences et auteur principal de l’étude, a déclaré Nouvelles médicales aujourd’hui:
« Je crois que notre méthode offre beaucoup de potentiel pour être utilisée comme un nouvel outil pour aider les prestataires de soins de santé dans leur propre prise de décision, en particulier pour les soins à distance ou virtuels des patients. Pour le grand public, notre méthode pourrait non seulement être utilisée pour le suivi et le dépistage précoce mais alerter un patient de son risque de développer un diabète.
Les résultats ont été récemment présentés lors de la 36e conférence sur les systèmes de traitement de l’information neuronale (NeurIPS) à la Nouvelle-Orléans, LA.
Sommaire
Que sont les glucomètres en continu ?
Les glucomètres en continu (CGM) sont des appareils portables qui mesurent la glycémie toutes les 15 minutes.
Les CGM aident les personnes atteintes de diabète à surveiller régulièrement leur glycémie.
« Les glucomètres continus (CGM) gagnent du terrain pour être portés dans la population générale non diabétique pour des raisons de santé ou d’autres objectifs spécifiques », a déclaré le Dr William Dixon, professeur adjoint clinique de médecine d’urgence à l’Université de Stanford et co-fondateur de Signos, non impliqué dans l’étude, a dit MNT.
Le Dr Dixon a ajouté que la détermination de la présence et du risque de diabète sur la base des données CGM peut être utile pour les personnes qui ne sont pas systématiquement testées ou dépistées pour la maladie.
« Il existe également des signes d’altération de la tolérance au glucose qui peuvent être apparents avant même que les niveaux moyens de glucose n’atteignent une plage préoccupante », a déclaré le Dr Dixon.
Utiliser des modèles d’IA pour prédire le diabète
Pour l’étude, les chercheurs ont utilisé les données de 436 participants indiens.
Chaque participant a porté un appareil CGM pendant 12 jours en moyenne et a fourni des données telles que son sexe, son âge et son indice de masse corporelle (IMC).
Les chercheurs ont défini les niveaux A1C des participants de 6,5 % et plus comme diabète de type 2, 5,5 % à 6,5 % comme prédiabétiques et moins de 5,5 % comme sains.
Parmi les participants, 172 avaient un diabète de type 2, 87 avaient un prédiabète et 177 étaient en bonne santé. Les diagnostics ont été confirmés par les médecins.
Les chercheurs ont créé des modèles de prédiction d’IA basés sur différentes durées de glycémie. Ils ont comparé des modèles basés sur des fenêtres de données de 12, 24, 72, 168 et 288 heures.
Ils ont constaté que les données CGM étaient 1,21, 1,34 et 1,17 fois plus précises que les données démographiques pour identifier le diabète de type 2, le prédiabète et les individus en bonne santé.
Ils ont également constaté que leur modèle de 12 heures était tout aussi efficace que les modèles de plus longue durée.
Après avoir optimisé le modèle de 12 heures, ils ont identifié 87 %, 84 % et 86 % des personnes atteintes de diabète ou de prédiabète et des personnes en bonne santé.
Les chercheurs ont noté que parmi ceux de la prédiction sur 12 heures, 23 ont été mal classés en raison de lectures inhabituelles sur 12 heures dans lesquelles ils ont signalé les mêmes taux de glycémie au fil du temps.
Les chercheurs ont conclu que les systèmes CGM pourraient permettre un dépistage rapide et précis des résultats du diabète.
Limites des modèles prédictifs d’IA
Les chercheurs espèrent mener des études similaires sur des cohortes plus importantes pour améliorer leurs modèles de prédiction.
Interrogé sur les limites de l’étude, le Dr Jeon a déclaré MNT:
« Nos résultats sont développés sur la base des signaux CGM d’environ 400 patients. Une évaluation plus approfondie est nécessaire en utilisant une cohorte indépendante plus grande et des données de population plus importantes pour généraliser notre méthode. Cependant, nous sommes encouragés par les résultats et attendons avec impatience la poursuite de nos travaux dans ce domaine.
Implications pour la recherche future en IA
Le Dr Jeon a noté qu’avec les diagnostics prédictifs de Klick, les gens pouvaient connaître leurs résultats depuis chez eux au lieu de se rendre dans une clinique pour des tests sanguins et d’attendre quelques jours.
Michael Lieberman, Ph.D., directeur général de la recherche et du développement chez Klick Applied Sciences, a également déclaré MNT:
« D’un point de vue de santé publique, le prédiabète est extrêmement sous-diagnostiqué. La capacité de déterminer facilement avec un degré élevé de probabilité qu’une personne est prédiabétique sans la visite d’un médecin pourrait être extrêmement utile pour identifier les personnes à risque de devenir diabétique.
Le Dr Lieberman a ajouté que la détection précoce du prédiabète pourrait donner à l’équipe soignante d’une personne suffisamment de temps pour inverser le cours de la maladie avant qu’il ne soit trop tard.
Le Dr John Miles, endocrinologue du système de santé de l’Université du Kansas, non impliqué dans l’étude, a noté que les implications pratiques de cette étude sont relativement modestes. Il a noté à MNT:
« Je ne suis pas sûr que nous puissions dire à ce stade que la surveillance continue du glucose (CGM), telle qu’elle est effectuée dans cette étude, soit une amélioration par rapport aux méthodes existantes de diagnostic du diabète. Il est certainement vrai que certaines personnes ne savent pas qu’elles sont atteintes de diabète ou de prédiabète. Cependant, le fait que le CGM puisse définir avec précision la catégorie dans laquelle se trouvent les personnes (diabète, prédiabète ou non diabétique) telle que définie par l’hémoglobine A1c ne signifie pas que ce serait une alternative pratique à [A1c testing].”
« [A1c testing] l’utilisation d’un échantillon de sang prélevé au doigt est actuellement utilisée pour dépister le diabète et serait plus simple, plus rapide et probablement moins chère que la CGM dans un programme de dépistage de masse », a conclu le Dr Miles.
