Des chercheurs de l'Université de Stanford ont développé un algorithme d'intelligence artificielle (IA) qui améliore le diagnostic du diabète, ce qui pourrait conduire à des soins plus accessibles.
Traditionnellement, le diabète est classé en diabète de type 1 ou de type 2, ce dernier représentant 95 % des cas. Des études récentes ont identifié d'importants sous-types au sein du diabète de type 2 qui peuvent influencer le risque de complications telles que des problèmes rénaux et cardiaques.
Tracey McLaughlin, professeur d'endocrinologie à Stanford, a déclaré : "Comprendre la physiologie derrière [le diabète] nécessite des tests métaboliques effectués dans un cadre de recherche, mais ces tests sont encombrants et coûteux." Le nouvel algorithme utilise des données provenant de moniteurs de glucose pour identifier trois des quatre sous-types métaboliques les plus courants du diabète de type 2 avec environ 90 % de précision, surpassant ainsi les méthodes de test traditionnelles.
Identifier le sous-type de diabète d'un patient peut avoir un impact significatif sur l'efficacité du traitement, permettant aux professionnels de santé d'adapter des plans de traitement personnalisés et d'allouer les ressources plus efficacement. Cette approche réduit également le besoin de cadres cliniques complexes, car elle s'appuie sur des données provenant de moniteurs de glucose que les patients utilisent souvent déjà.
McLaughlin a souligné l'importance de ce développement : "Cela compte, car selon le type que vous avez, certains médicaments fonctionneront mieux que d'autres." La recherche vise à fournir des informations de santé plus accessibles aux personnes qui manquent d'infrastructures de soins de santé adéquates.
Avec près de 13 % de la population américaine diagnostiquée avec le diabète, ces avancées pourraient grandement améliorer les options et les résultats de traitement. Cette étude fait suite à la reconnaissance de deux moniteurs de glucose en vente libre au CES 2025, marquant une étape importante vers une technologie de santé plus accessible.