Une nouvelle Modèle d'IA développé par Scripps Research Il peut détecter précocement le risque de diabète en analysant les pics de glycémie en temps réel et d'autres données de santé souvent négligées par les tests traditionnels comme l'HbA1c. En utilisant des glucomètres en continu (CGM), des informations sur le microbiome intestinal, l'alimentation et le niveau d'activité, le modèle offre une vision plus détaillée de la santé métabolique, permettant d'identifier les personnes à risque avant l'apparition des symptômes.
Principaux plats à emporter:
- Les tests HbA1c traditionnels sont limités dans la prédiction du risque précoce de diabète.
- Scripps Research a développé un modèle d'IA qui utilise les données CGM, le microbiome intestinal, le régime alimentaire et les niveaux d'activité pour évaluer plus précisément le risque de progression du diabète.
- L'étude PROGRESS a recruté plus de 1,000 XNUMX participants à distance, permettant un essai clinique entièrement autoguidé.
- Le temps de récupération du pic de glucose est un marqueur critique pour identifier les problèmes de santé métabolique avant l’apparition des symptômes.
- Le modèle peut différencier les individus prédiabétiques à haut risque de ceux qui sont moins susceptibles de progresser vers le diabète, même s’ils ont des résultats de laboratoire similaires.
- Les applications futures pourraient permettre personnes utilisant des CGM à domicile pour surveiller leur risque en temps réel, permettant des interventions précoces.
Les médecins se sont traditionnellement appuyés sur un test de laboratoire appelé HbA1c pour diagnostiquer le diabète de type 2 et le prédiabète, en mesurant l'HbAXNUMXc d'une personne. glycémie moyenne Au cours des derniers mois. Bien qu'utile, l'HbA1c a ses limites : elle ne révèle pas qui est sur le point de développer un diabète, ni ne permet de différencier les individus partageant le même score de test mais présentant des profils de risque différents.
Une nouvelle approche développée par des chercheurs de Scripps Research vise à changer cela. En exploitant l'intelligence artificielle et en combinant les données des glucomètres portables avec des informations sur l'alimentation, l'activité physique, la génétique et la santé intestinale, l'équipe a créé un modèle capable de détecter les signes avant-coureurs du diabète bien avant l'apparition des symptômes.
Au-delà de l'HbA1c : un regard plus approfondi sur la santé métabolique
Ce modèle innovant, détaillé dans Nature Medicine, utilise les informations de moniteurs de glucose en continu (CGM) pour suivre les changements subtils dans la dynamique de la glycémie. Contrairement à l'instantané statique fourni par l'HbA1c, cette méthode basée sur l'IA capture la façon dont le corps réagit aux activités quotidiennes (repas, exercice physique et même sommeil), offrant ainsi une vision plus précise de la santé métabolique.
« Deux personnes peuvent avoir exactement le même taux d'HbA1c, mais leurs organismes peuvent gérer le glucose de manière très différente », explique Giorgio Quer, co-auteur principal et directeur de l'IA chez Scripps Research. « En surveillant les détails précis, comme les niveaux de glucose se normalisent rapidement « Après un pic, les schémas glycémiques nocturnes, les habitudes alimentaires et le microbiote intestinal, nous pouvons distinguer qui évolue silencieusement vers le diabète. »
Un essai clinique virtuel révolutionnaire : l'étude PROGRESS
Le projet, baptisé PROGRESS (Prediction of Glycemic Response Study), a recruté plus de 1,000 6 participants aux États-Unis dans le cadre d'un essai clinique entièrement virtuel. Les participants, allant de personnes en bonne santé à des personnes atteintes de prédiabète ou de diabète, ont porté des CGM Dexcom G10 pendant XNUMX jours. Ils ont enregistré leurs repas et leurs entraînements, et ont envoyé des échantillons de sang, de salive et de selles par courrier. Les chercheurs ont également consulté leurs dossiers médicaux pour établir un profil de santé complet.
« Il s'agissait d'une étude entièrement à distance et autoguidée », explique Ed Ramos, co-auteur principal et directeur principal des essais cliniques numériques chez Scripps. « Nous avons conçu un cadre permettant aux participants de tout réaliser depuis chez eux : connecter leurs propres capteurs, collecter les échantillons et les renvoyer. C'est une nouvelle frontière pour la recherche clinique. »
Un modèle d'IA identifie les risques cachés grâce à la dynamique du glucose
Le modèle d'IA a été entraîné à analyser cet ensemble de données diversifié et à identifier des tendances distinctes en corrélation avec le risque de diabète. L'un des indicateurs les plus remarquables était le temps nécessaire pour la stabilisation du taux de sucre dans le sang après un pic.
Les personnes atteintes Le diabète de type 2 Il leur fallait souvent plus de 100 minutes pour ramener leur glycémie à son niveau de référence, tandis que les personnes en meilleure santé récupéraient beaucoup plus rapidement. De plus, les participants présentant une flore intestinale plus riche et un niveau d'activité physique plus élevé présentaient un meilleur contrôle de la glycémie, tandis que ceux dont la fréquence cardiaque au repos était élevée étaient plus sujets à une mauvaise régulation de la glycémie.
Détecter le risque chez les personnes prédiabétiques avant qu'il ne soit trop tard
Ce modèle est particulièrement précieux car il permet de détecter les risques même lorsque les résultats de laboratoire traditionnels semblent normaux. Parmi les participants prédiabétiques, l'IA a pu identifier ceux qui présentaient les mêmes symptômes. diabetic meLes profils taboliques et ceux qui sont restés plus proches d'un profil sain, malgré des taux d'HbA1c similaires. Cette granularité pourrait permettre aux médecins de personnaliser les interventions, en privilégiant les changements de mode de vie ou les traitements précoces pour les personnes les plus à risque.
Perspectives d'avenir : impact réel et prévention personnalisée
Les chercheurs continuent de suivre les participants au fil du temps pour vérifier si les prédictions du modèle correspondent à la progression réelle de la maladie. Ils ont également testé avec succès le modèle sur un ensemble de données de patients israéliens indépendant, augmentant ainsi son potentiel d'adoption clinique généralisée.
À l'avenir, l'équipe envisage un avenir où cet outil d'IA pourrait devenir un outil standard d'évaluation du risque de diabète, que ce soit dans les cabinets médicaux ou directement chez les personnes utilisant un lecteur de glycémie continue (CGM). En offrant un retour d'information en temps réel, il pourrait permettre aux personnes de comprendre l'influence de leurs habitudes quotidiennes sur leur santé et de prendre des mesures proactives pour prévenir la maladie.
« Le diabète ne se développe pas du jour au lendemain », souligne Quer. « C'est un processus progressif, et grâce à la technologie actuelle, nous pouvons le détecter plus tôt et intervenir de manière plus intelligente et plus personnalisée. »
Références
At Diabetic Me, nous nous engageons à fournir des informations précises, exactes et pertinentes. Nos articles sont étayés par des données vérifiées provenant d'articles de recherche, d'organisations prestigieuses, d'institutions universitaires et d'associations médicales pour garantir l'intégrité et la pertinence des informations que nous fournissons. Vous pouvez en savoir plus sur notre processus et notre équipe sur le à propos de nous la page.
