Le défi de la prédiction des variations de la concentration de glucose dans le sang chez les patients atteints de diabète de type I

Résumé :

Les patients atteints de diabète de type I (DT1) doivent s'injecter de l'insuline pour prévenir les graves effets à long terme de l'hyperglycémie. Ils doivent également veiller à ne pas injecter trop d'insuline, car cela pourrait provoquer une hypoglycémie (potentiellement mortelle). Les patients suivent donc un "régime" qui détermine la quantité d'insuline à injecter à chaque fois, en fonction de diverses mesures. Nous pouvons établir un régime efficace si nous pouvons prédire avec précision les futures valeurs de la glycémie (BG) d'un patient à partir de ses caractéristiques actuelles. Cette étude explore les défis de la prédiction de la glycémie future en appliquant un certain nombre d'algorithmes d'apprentissage automatique, ainsi que diverses variations de prétraitement des données (correspondant à 312 combinaisons [apprenant, ensemble de données prétraitées]), à un nouvel ensemble de données T1D qui contient 29 601 entrées provenant de 47 patients différents. Notre prédicteur le plus précis, un ensemble pondéré de deux modèles de régression à processus gaussien, a atteint une perte 𝑒𝑟𝑟𝐿1errL1 (validation croisée) de 2,7 mmol/L (48,65 mg/dl). Ce résultat est étonnamment faible étant donné que l'on peut obtenir un 𝑒𝑟𝑟𝐿1errL1 de 2,9 mmol/L (52,43 mg/dl) en utilisant l'approche naïve consistant à prédire simplement la glycémie moyenne du patient. Ces résultats suggèrent que les données du journal du diabète qui sont généralement recueillies peuvent être insuffisantes pour produire des modèles de prédiction de la glycémie précis ; des données supplémentaires peuvent être nécessaires pour construire des modèles de prédiction de la glycémie précis sur plusieurs heures.