Un algorithme de « deep-learning » pour améliorer la prise en charge du diabète

Projet de santé numérique du LIH soutenu par la Société Francophone du Diabète

• Département Santé de Précision 
• Unité de Recherche sur le Phénotypage Numérique Profond
• Médecine Digitale

En février 2023, la Société Francophone du Diabète (SFD) a octroyé EUR 30 000 à l’unité de recherche « Deep Digital Phenotyping » (DDP) du « Department of Precision Health » (DoPH) du LIH, en soutien à l’étude clinique SFDT1-IH. La subvention, attribuée dans le cadre du programme « SFD-Industrie » en partenariat avec Abbott Diabetes Care, permettra le développement d’un nouveau biomarqueur numérique pour prédire le risque d’insensibilité aux hypoglycémies chez les patients atteints de diabète de type 1.  

L’insensibilité aux hypoglycémies (IH) se caractérise par l’incapacité à ressentir ou à remarquer les signes de l’hypoglycémie (c’est-à-dire une glycémie inférieure à 4 mmol/l), tels que le stress, l’anxiété et la faim. Le risque d’IH est lié à la durée du diabète de type 1 (DT1) et à la fréquence des épisodes d’hypoglycémie.

« Environ 40 % des patients atteints de diabète de type 1 souffrent d’IH. Il s’agit d’un obstacle important au contrôle optimal du diabète, ce qui affecte négativement la qualité de vie », explique le Dr Guy Fagherazzi, leader du groupe de recherche DDP, directeur du DoPH et chef du projet SFDT1-IH. « Il existe des scores permettant d’évaluer le risque d’IH, mais ils ne sont pas utilisés dans la pratique clinique courante. C’est pourquoi nous visons à générer un indicateur dérivé des mesures continues du glucose (MCG), ce qui permettrait aux cliniciens de repérer facilement les patients atteints de DT1 présentant un risque d’IH ».

Sur la base des données obtenues auprès d’au moins 500 participants à l’étude de cohorte SFDT1, l’équipe de recherche entrainera des modèles de « machine learning » (apprentissage automatique) et de « deep learning » (apprentissage profond) pour prédire le risque d’IH. Le modèle de prédiction résultant et l’indicateur dérivé des MCG seront par la suite également validés dans une étude de cohorte au Canada.

Nous nous attendons à ce que notre nouvel indicateur agisse comme un biomarqueur numérique qui peut être intégré dans la pratique clinique et calculé automatiquement pendant les consultations, permettant aux diabétologues d’évaluer rapidement et précisément le risque d’IH, d’affiner et de personnaliser la prise en charge de chaque patient, et ainsi de réduire l’occurrence des événements d’hypoglycémie, améliorant donc la gestion du DT1 et la qualité de vie globale.

poursuit Charline Bour, doctorante dans l’unité de recherche DDP et co-investigatrice du projet SFDT1-IH.

La subvention de la SFD contribuera spécifiquement à soutenir les activités liées à l’analyse des données, à la publication et à la diffusion des résultats, ainsi qu’à couvrir les frais de déplacement et de participation à des réunions et à des conférences internationales.

« Nous sommes extrêmement reconnaissants à la SFD et à Abbott Diabetes Care pour leur généreux soutien à notre projet, qui s’inscrit dans l’axe de recherche prioritaire de santé digitale de notre institut, et qui présente un grand potentiel pour le développement et l’adoption des technologies numériques dans les soins de santé », conclut le Dr Fagherazzi.

L’étude débutera officiellement au troisième trimestre 2023, pour une durée de 18 mois. Elle est menée en partenariat avec l’équipe de l’étude de cohorte SFDT1 en France, dirigée par le Prof. Jean-Pierre Riveline.