Les systèmes d’administration automatisée d’insuline actuels pourraient être aveugles à des facteurs clés influençant la glycémie, selon une nouvelle étude de l’Université de Bristol. Cette découverte souligne la complexité de la gestion du diabète de type 1 et la nécessité de traitements plus personnalisés.
L’étude, publiée dans JMIRx Med, a analysé les données de personnes atteintes de diabète de type 1 (DT1) utilisant un système automatisé d’administration d’insuline (AID) appelé OpenAPS. Les chercheurs ont constaté que les variations imprévisibles des besoins en insuline sont aussi fréquentes que les schémas bien connus, suggérant que la régulation du glucose est influencée par bien plus que les seuls glucides.
« Nos résultats confirment l’hypothèse selon laquelle des facteurs autres que les glucides jouent un rôle important dans le maintien d’une glycémie stable », explique Isabella Degen, de la Faculté des Sciences et d’Ingénierie de Bristol. « Cependant, sans informations mesurables sur ces facteurs, les systèmes AID doivent ajuster les doses d’insuline avec prudence, ce qui peut entraîner des fluctuations de la glycémie, avec des risques d’hypoglycémie ou d’hyperglycémie. »
Le diabète de type 1 se caractérise par une production insuffisante d’insuline, une hormone essentielle à la régulation de la glycémie. Le traitement repose principalement sur l’injection ou la perfusion d’insuline, dont la dose et le moment d’administration doivent être précisément adaptés à l’apport en glucides. Bien que l’exercice physique, les hormones et le stress soient reconnus pour influencer les besoins en insuline, leur impact sur la glycémie reste mal compris.
L’étude met en évidence l’hétérogénéité des besoins en insuline chez les personnes atteintes de DT1, soulignant qu’il n’existe pas d’approche unique en matière de gestion de la maladie. Pour intégrer plus systématiquement ces facteurs non liés aux glucides dans la pratique clinique, il est crucial de développer des méthodes pour les mesurer et les quantifier, et d’utiliser ces informations pour affiner les doses d’insuline.
« La gestion du diabète de type 1 est bien plus complexe que le simple comptage des glucides », insiste Isabella Degen. « L’analyse des données issues des systèmes d’administration automatisée d’insuline offre une mine d’informations, et les modèles que nous avons observés, même au sein d’un groupe de participants relativement restreint, sont remarquablement variés. »
L’équipe de Bristol travaille actuellement à améliorer les techniques d’analyse de séries chronologiques pour mieux gérer la complexité des données médicales réelles, notamment les données incomplètes ou irrégulières. Leur objectif est de développer des outils innovants de segmentation et de regroupement pour identifier des schémas plus précis et améliorer la personnalisation des soins.
Pour soutenir ces recherches, l’équipe sollicite des ensembles de données AID à long terme, accessibles librement, incluant un large éventail de mesures de capteurs et provenant d’une cohorte diversifiée de personnes atteintes de DT1. Ils cherchent également à collaborer avec des experts en séries chronologiques et en apprentissage automatique pour relever les défis techniques liés à l’analyse de ces données et à la compréhension des mécanismes sous-jacents.
À lire aussi
