Utilisation de l’IA/ML pour la prédiction du risque d’hypoglycémie chez les patients diabétiques

Un établissement médical spécialisé dans un programme de soins destiné aux patients atteints de diabète. L’objectif du client était de mettre en œuvre un système permettant de prédire le risque d’hypoglycémie et d’informer automatiquement les patients des menaces potentielles pour leur santé.

L’hypoglycémie représente l’un des risques les plus graves pour les personnes atteintes de diabète.

Jusqu’à présent, la prise en charge des patients souffrant d’hypoglycémie nécessitait l’intervention d’une équipe médicale, qui analysait le déroulement de chaque épisode, interprétait les données et, si nécessaire, contactait le patient. Chaque analyse prenait en moyenne environ 10 minutes et comportait un risque de retard — l’appel au patient pouvait ne pas être passé à temps, ce qui pouvait compromettre sa sécurité.

Le client avait besoin d’une solution capable de :

• Analyser automatiquement les données issues des glucomètres, les informations relatives aux médicaments ainsi que les données personnelles des patients ;
• Prédire le risque d’épisodes d’hypoglycémie ;
• Envoyer des notifications aux patients en cas de danger potentiel ;
• Réduire la nécessité d’un suivi constant des patients par le personnel médical.

1. Conception et développement du modèle prédictif
   Nous avons créé un modèle d’IA/ML capable d’analyser les niveaux de glucose, les médicaments utilisés et les données individuelles des patients pour anticiper les épisodes d’hypoglycémie.
2. Mise en place d’un système de notifications
   Nous avons conçu un mécanisme permettant d’envoyer des alertes aux patients dès qu’un risque accru d’hypoglycémie est détecté.
3. Validation et optimisation de la solution
   L’efficacité de notre modèle de prédiction de l’hypoglycémie repose sur deux indicateurs diagnostiques clés, largement utilisés en médecine et en analyse de données : la sensibilité et la spécificité.

• La sensibilité (ang. sensitivity)
  indique dans quelle mesure l’algorithme détecte efficacement les épisodes réels d’hypoglycémie. Plus la sensibilité est élevée, plus la proportion de cas réels est correctement identifiée et signalée par le système, ce qui réduit le risque de passer à côté d’une situation critique.
• La spécificité (ang. specificity)
  montre dans quelle mesure l’algorithme évite les fausses alertes. Une spécificité élevée signifie que, lorsqu’il n’y a pas de risque d’hypoglycémie, le système ne déclenche pas d’alerte inutile, ce qui évite aux patients et au personnel médical d’être sollicités pour des interventions injustifiées.

Nous avons conçu un système qui a été très bien accueilli par l’équipe médicale ainsi que par les patients bénéficiant du programme de soins. Il a permis une prédiction efficace du risque d’hypoglycémie et une notification automatique des patients.

Grâce à cette mise en œuvre, la sécurité des patients a été considérablement renforcée et leur qualité de vie améliorée. Le processus de développement et la collaboration avec le client se sont déroulés sans encombre et ont été régulièrement suivis. Notre équipe a partagé son expertise, ce qui a facilité l’implémentation et l’adoption continue du système.