Trajectoires des maladies prédites par l'IA dans le diabète : une étude rétrospective (AI-TRYDIA)

L'étude proposée vise à exploiter la puissance de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) pour répondre aux besoins cliniques critiques dans la gestion du diabète sucré (DM), une maladie chronique et non rémission qui a un impact significatif sur la vie des patients. Malgré la disponibilité de traitements hypoglycémiques, la prévention des complications microvasculaires (rétinopathie, néphropathie, neuropathie) et macrovasculaires (maladies cardiovasculaires, cérébrovasculaires et maladies artérielles périphériques) reste un défi, les patients diabétiques étant plus à risque que la population générale.

L'étude se concentre sur deux objectifs principaux : premièrement, identifier a priori les patients présentant des probabilités variables de développer des complications du diabète, permettant une approche plus gourmande en ressources pour ceux qui courent un plus grand risque ; Deuxièmement, identifier les choix thérapeutiques les plus efficaces adaptés aux profils individuels des patients. Ces objectifs découlent de caractéristiques cliniques et de besoins distincts dans la prise en charge du diabète de type 1 (DT1) et du diabète de type 2 (DT2). Pour le DT1, le phénomène de rémission clinique partielle après le diagnostic, marqué par une réduction du besoin en insuline et de la variabilité glycémique, suggère une fenêtre d'amélioration des résultats à long terme. À l’inverse, la prise en charge du DT2 manque de directives claires concernant les schémas thérapeutiques personnalisés après la metformine, ce qui met en évidence une lacune dans l’optimisation du traitement.

Tirer parti de l’IA et de l’apprentissage automatique pour l’analyse de données de santé multidimensionnelles et longitudinales présente une approche innovante pour prédire les trajectoires de la maladie et les résultats thérapeutiques dans le diabète. Cette étude observationnelle et rétrospective, initialement monocentrique avec un potentiel d'intégration de données plus large, se plongera dans les dossiers de santé électroniques (DSE) à l'aide du logiciel Smart Digital Clinic (Meteda). En sélectionnant les patients sur la base de critères d'éligibilité spécifiques, notamment la classification du type de diabète et les marqueurs de santé historiques, cette recherche vise à générer deux cohortes de patients distinctes pour une analyse approfondie.

Cette étude répond non seulement à une nécessité clinique urgente en visant à améliorer la gestion personnalisée du diabète et à prévenir les complications, mais contribue également au domaine naissant des applications de l’IA dans les soins de santé. Grâce à cette exploration, l'étude cherche à offrir de nouvelles perspectives, à valider l'utilité de l'IA et du ML dans les prévisions médicales et à établir une base pour les recherches futures et les pratiques cliniques qui embrassent les progrès technologiques pour améliorer les soins aux patients.