Les outils de mesure continue du glucose (MCG), couplés, via des algorithmes, aux systèmes de délivrance automatisée d’insuline, ont révolutionné la prise en charge diabète de type 1 (DT1). Ils ont aussi constitué, en quelques années, des bases de données massives, précieuses pour entraîner les algorithmes d’intelligence artificielle (IA). De quoi permettre prochainement de s’affranchir de l’annonce des glucides préalable au repas : seule l’annonce de l’évènement « repas » sera encore nécessaire, comme dans le système américain iLet Bionic Pancreas (Beta Bionics), déjà disponible dans quelques pays depuis décembre 2023.
Mais l’IA ne s’est pas bornée à l’amélioration des algorithmes de gestion de la glycémie. Elle a désormais des applications aussi bien pour le dépistage, le phénotypage, la prévention, l’autogestion ou encore la recherche des complications micro- et/ou macrovasculaires (1).
- Le dépistage du diabète ou du prédiabète peut être réalisé par une IA générative à partir de l’analyse de la texture du visage ou de la couleur et de la texture de la langue, avec une excellente précision.
- Pour le phénotypage du diabète, une IA générative a identifié cinq clusters bien distincts en termes d’évolution clinique et d’apparition de complications, dans des populations américaines et chinoises. Il s’agit du diabète sévèrement autoimmun (Said pour severe autoimmune diabetes), du diabète sévèrement insulinodéficient (Sidd pour severe insulin-deficient diabetes), du diabète en lien avec une obésité modérée (Mord pour mild obesity-related diabetes), et en rapport avec l’âge (Mard pour mild age-related diabetes).
- Dans l’autogestion de la maladie, les patients sont déjà aidés par des applications comptant les glucides à partir de reconnaissance d’image (tels que Foodvisor, Diabhealth, GoCarb), ou les aidant à gérer leur activité physique ou leur insulinothérapie. Censées faciliter l’appropriation de la maladie par les patients, ces applications devraient cependant être évaluées de façon rigoureuse avant d’être commercialisées ; à noter que l’application de conseils de mode de vie et aide à la décision thérapeutique BlueStar a récemment été approuvée par la Food and Drug Administration américaine.
L’évaluation rigoureuse est nécessaire avant la commercialisation
- Dans le dépistage des complications, l’IA a déjà ses applications de deep learning pour l’interprétation d’images rétiniennes dans le dépistage de la rétinopathie… mais aussi de la néphropathie : une approche insolite qui repose sur la corrélation entre ces deux complications. D’autres applications sont à l’étude dans le dépistage et le diagnostic du pied diabétique. Au niveau macrovasculaire aussi, l’IA pourrait faire mieux que les échelles de risque à dix ans.
Quelles que soient ses applications, l’intégration de l’IA devra rester prudente et réfléchie, dans une collaboration interdisciplinaire entre cliniciens, spécialistes des données et ingénieurs.
(1) Sheng B et al. Artificial intelligence for diabetes care: current and future prospects. Lancet Diabetes Endo- crinol 2024;12:569-95
Article précédent
Après l’HbA1c, de nouveaux indicateurs pour le suivi des diabétiques
Article suivant
Nouvelles thérapies cellulaires du diabète
Édito : Une diabétologie en pleine dynamique
Incrétines : pourquoi si peu de persistance ?
Médicaments vs. chirurgie de l’obésité : il n’y a pas (encore) match
Le poids de la mémoire adipocytaire
À quoi ne servent pas les incrétines ?
Et si c’était un diabète monogénique ?
Les avancées de la cohorte SFDT1
Le diabète aussi a ses banlieues
Après l’HbA1c, de nouveaux indicateurs pour le suivi des diabétiques
Les multiples applications de l’IA dans le diabète
Nouvelles thérapies cellulaires du diabète
CCAM technique : des trous dans la raquette des revalorisations
Dr Patrick Gasser (Avenir Spé) : « Mon but n’est pas de m’opposer à mes collègues médecins généralistes »
Congrès de la SNFMI 2024 : la médecine interne à la loupe
La nouvelle convention médicale publiée au Journal officiel, le G à 30 euros le 22 décembre 2024