Les appareils portables comme les montres intelligentes pourraient bientôt fournir un système d’alerte précoce pour le diabète de type 2, en exploitant les données qu’ils collectent déjà sur la fréquence cardiaque, le sommeil et l’activité. Une nouvelle étude publiée dans Nature le 16 mars démontre que l’intelligence artificielle peut identifier des signes subtils de résistance à l’insuline, un précurseur clé du diabète, en analysant ces modèles parallèlement aux données de santé de routine.
Le problème caché de la résistance à l’insuline
On estime qu’environ 20 à 40 % des adultes américains souffrent de résistance à l’insuline, une condition dans laquelle les cellules deviennent moins sensibles à l’insuline, entraînant une altération du métabolisme du sucre. Le problème est que la plupart des gens ne le savent pas, car le diagnostic nécessite généralement des tests spécialisés qui ne sont pas inclus dans les examens médicaux standard. Cela signifie que la maladie passe souvent inaperçue jusqu’à ce que le taux de sucre dans le sang augmente, provoquant potentiellement des dommages métaboliques irréversibles.
Le potentiel de la détection précoce
La détection précoce de la résistance à l’insuline pourrait permettre de modifier rapidement le mode de vie (ajustements alimentaires, augmentation de l’exercice physique ou même utilisation de médicaments GLP-1) pour ralentir ou inverser la progression vers le diabète. “Si nous pouvons identifier les personnes qui sont résistantes à l’insuline, nous pouvons changer toute la trajectoire du diabète”, déclare Ahmed Metwally, bio-ingénieur chez Google Research.
Évolutivité par rapport aux capteurs spécialisés
Les tentatives précédentes de détection précoce reposaient sur des capteurs spécialisés et coûteux portés principalement par les personnes déjà diagnostiquées avec du diabète. L’avantage des montres intelligentes réside dans leur utilisation généralisée : des millions de personnes en portent déjà, ce qui rend possible un dépistage à grande échelle. Selon David Klonoff, endocrinologue au Mills-Peninsula Medical Center, cette étude établit une « méthode évolutive… pour la détection précoce du risque métabolique ».
Comment fonctionne le système
L’équipe de recherche de Google a développé un système utilisant les données de plus de 1 165 personnes portant des montres Fitbits ou Pixel, totalisant des dizaines de millions d’heures de données. Les algorithmes d’apprentissage automatique ont combiné les données de cette montre intelligente avec des tests de laboratoire de routine (cholestérol, glucose) et des facteurs démographiques (âge, IMC) pour détecter des modèles liés à la résistance à l’insuline.
Les prédictions les plus précises sont venues de la combinaison des données d’une montre intelligente avec les résultats de laboratoire existants. Le modèle a atteint une précision de 76 % en utilisant uniquement des tests en laboratoire, mais a atteint 88 % lorsque les données de la montre intelligente ont été incluses. La fréquence cardiaque au repos s’est avérée particulièrement informative, tout comme les pas quotidiens et la durée du sommeil.
Données imparfaites mais précieuses
Bien que les données des montres intelligentes ne soient pas parfaites (le suivi du sommeil est connu pour être inexact), même ces signaux imparfaits ajoutent une valeur prédictive. Le potentiel réside dans la surveillance continue et longitudinale de la santé métabolique grâce à des appareils portables combinés à l’IA, ouvrant la voie à une médecine numérique personnalisée.
« Cet article démontre de manière convaincante que les données portables des consommateurs contiennent des informations métaboliques substantielles pertinentes pour la prédiction de la résistance à l’insuline », déclare Giorgio Quer, directeur de l’intelligence artificielle au Scripps Research Translational Institute.
La technologie offre une opportunité prometteuse d’identifier précocement les risques métaboliques, empêchant potentiellement des millions de personnes de développer un diabète de type 2.
