Le diabète de type 1 se caractérise par une production insuffisante, voire inexistante, d’insuline, ce qui provoque une élévation prolongée de la concentration de glucose dans le sang. Dans le cas d’un diabète de type 1, il est recommandé de réaliser au moins quatre tests par jour, afin de contrôler sa glycémie. Les objectifs glycémiques sont fixés entre 70 et 120 mg/dl avant le repas et < 160 mg/dl en post-prandialù. 

La technique des voitures autonomes serait un moyen efficace pour contrôler la glycémie 

Des scientifiques de l’université de Bristol (Royaume-Uni) ont récemment suggéré que l’apprentissage par renforcement, un type d’apprentissage automatique dans lequel un programme informatique apprend à prendre des décisions en essayant différentes actions, est plus efficace et sûr que les contrôleurs de glycémie classique. 

"Mes recherches visent à déterminer si l'apprentissage par renforcement peut être utilisé pour élaborer des stratégies de dosage de l'insuline plus sûres et plus efficaces. Ces algorithmes basés sur l'apprentissage automatique ont démontré des performances surhumaines dans le jeu d'échecs et le pilotage de voitures autonomes, et pourraient donc apprendre à effectuer des dosages d'insuline hautement personnalisés à partir de données de glycémie prélevées. Ce travail se concentre spécifiquement sur l'apprentissage par renforcement hors ligne, dans lequel l'algorithme apprend à agir en observant des exemples de bon et de mauvais contrôle de la glycémie", a expliqué Harry Emerson, auteur principal de la recherche exerçant au département d’ingénierie mathématique de l’université de Bristol. 

Diabète : des premiers résultats prometteurs chez les enfants

Lors de l’étude publiée dans le Journal of Biomedical Informatics, les chercheurs ont utilisé un simulateur qui développe une série de patients virtuels, afin de tester les algorithmes de contrôle du diabète de type 1. En raison du risque élevé associé à un dosage incorrect de l’insuline, les expériences n’ont donc pas été menées sur des personnes physiques.

Des algorithmes d'apprentissage par renforcement hors ligne de pointe ont été comparés à l’un des algorithmes de contrôle du pancréas artificiel les plus utilisés. Cette comparaison a été effectuée sur une cohorte de 30 patients virtuels, qui comprenait des adultes, des adolescents et des enfants. Le simulateur a également été étendu pour prendre en compte les erreurs de mesure, les informations incorrectes sur les patients et les quantités limitées de données disponibles.

Selon les résultats, une importante amélioration a été observée chez les enfants atteints par un diabète de type 1, qui ont passé une heure et demie de plus par jour dans l’intervalle de glycémie ciblée. "Cette étude démontre le potentiel de l'apprentissage automatique pour apprendre des stratégies efficaces de dosage de l'insuline à partir des données pré-collectées sur le diabète de type 1. La méthode explorée surpasse l'un des algorithmes commerciaux de pancréas artificiel les plus répandus et démontre la capacité de tirer parti des habitudes et de l'emploi du temps d'une personne pour réagir plus rapidement à des événements dangereux", a noté Harry Emerson. Des recherches supplémentaires seront toutefois nécessaires pour confirmer ces premiers résultats.