Le diabète est une maladie métabolique chronique. Selon l’International Diabetes Foundation (IDF), 463 millions de personnes âgées de 20 à 79 ans sont atteintes de diabète et 374 millions ont une tolérance au glucose altérée. 8,8 % de la population mondiale souffrait de diabète en 2017, et ce chiffre devrait atteindre 10 % d’ici 2045.
L’IA est largement utilisée dans quatre domaines clés des soins du diabète. Elles sont:
- Dépistage rétinien automatisé
- Aide à la décision clinique
- Stratification prédictive du risque dans la population
- Outils d’autogestion des patients
L’IA peut influencer trois domaines principaux des soins du diabète : les patients atteints de diabète, les professionnels de la santé et les systèmes de soins de santé. L’IA a ajouté de nouvelles dimensions aux soins personnels pour les patients atteints de diabète, introduit une prise de décision rapide et fiable et des suivis flexibles pour les prestataires de soins de santé et optimisé l’utilisation des ressources dans les systèmes de santé.
Techniques basées sur l’IA
Plusieurs techniques basées sur l’IA ont été appliquées dans les soins du diabète. Avec l’avènement de l’IA, le diagnostic du diabète a évolué au-delà de quelques mesures de la glycémie et de l’hémoglobine glycosylée.
La raison basée sur des cas (CBR) est une technique utilisée pour résoudre de nouveaux problèmes basés sur l’apprentissage de rencontres passées similaires. Le 4 Diabetes Support System est un exemple de RBC utilisé dans les soins du diabète. Le système vise à détecter automatiquement les problèmes de contrôle de la glycémie, à proposer des solutions aux problèmes détectés et à mémoriser les solutions efficaces et inefficaces pour chaque patient. La CBR est une technique utilisée pour individualiser l’insulinothérapie pour diverses situations de repas chez les diabétiques.
De nombreux processus d’apprentissage automatique ont été utilisés pour créer un support numérique dans les soins du diabète. Ceux-ci incluent la machine à vecteurs de support, ANN, Bayes naïf, arbre de décision, forêt aléatoire, arbres de classification et de régression et k-plus proche voisin. De plus, l’apprentissage automatique a été appliqué pour créer un dépistage automatisé de la variabilité de la glycémie. Les programmes ML peuvent également identifier les personnes atteintes de diabète sur la base de facteurs génétiques et métaboliques.
ANN a été créé pour relier et analyser des informations disparates et créer des solutions personnalisées. La méthodologie des réseaux neuronaux a trouvé des applications particulières et vastes dans le diagnostic du diabète. Des algorithmes intelligents ont été construits pour étudier l’impact de divers facteurs sur les indices glycémiques.
Applications IA
Des algorithmes d’apprentissage en profondeur ont été développés pour automatiser le diagnostic de la rétinopathie diabétique. Le dépistage de la rétine basé sur l’IA est une méthode réalisable, précise et bien acceptée pour la détection et la surveillance de la rétinopathie diabétique. Une sensibilité et une spécificité élevées de 92,3 % et 93,7 %, respectivement, ont été rapportées pour le dépistage automatisé de la rétine.
Des outils d’aide à la décision clinique basés sur l’apprentissage automatique ont été développés pour prédire la réponse à court et à long terme de l’HbA1c après l’initiation à l’insuline chez les patients atteints de diabète sucré de type 2. Ces outils aident également à identifier les variables cliniques qui peuvent influencer la réponse HbA1c d’un patient.
L’apprentissage automatique a été utilisé pour développer une approche intuitive permettant de personnaliser les interventions d’observance médicamenteuse et de prédire le risque d’hospitalisation toutes causes confondues.
Le phénotypage moléculaire avancé, la génomique, les altérations épigénétiques et le développement de biomarqueurs numériques sont de nouvelles avancées dans le diagnostic et la gestion des cantons pathologiques. Celles-ci peuvent être appliquées au diabète, où d’énormes ensembles de données sont générés en raison de la nature hétérogène et de l’évolution chronique de la maladie.
L’autogestion est la clé du traitement du diabète. Avec l’avènement de l’IA, les patients sont en mesure de gérer leur diabète, de générer des données pour leurs paramètres et d’être des experts pour la santé.
