Le doyen de l’école polytechnique et directeur du diplôme en ingénierie informatique de l’Université européenne de l’Atlantique (UNEATLANTICO) Manuel Masías, participe à une étude qui propose un nouveau système qui assure un traitement précoce du diabète de type 2, appelé DiabSense.

Le diabète de type 2, également connu sous le nom de diabète non insulino-dépendant (DNID), représente l’une des plus grandes crises sanitaires du XXIe siècle. Avec plus de 500 millions de personnes touchées en 2021, il devrait atteindre 12,2 % de la population mondiale en 2045. Le DNID représente plus de 90 % des cas de diabète dans le monde. Cette maladie chronique, caractérisée par un taux élevé de sucre dans le sang, peut entraîner des complications graves, telles que la cécité, si elle n’est pas correctement traitée. Il est alarmant de constater qu’environ 45 % des patients diabétiques vivent sans diagnostic, ce qui retarde le traitement et aggrave les complications.

En réponse à cette menace croissante, cette étude a mis au point un système innovant appelé DiabSense, qui utilise une technologie de reconnaissance de l’activité humaine basée sur un smartphone et une analyse de la rétinopathie diabétique par un réseau neuronal graphique. DiabSense combine deux réseaux neuronaux graphiques : le Graph Attention Network (GAT) pour la reconnaissance de l’activité humaine et le Convolutional Graph Network (CGN) pour l’analyse de la rétinopathie diabétique. Le système utilise un large éventail de 23 activités humaines qui ressemblent aux symptômes du diabète pour la reconnaissance de l’activité humaine. En outre, il analyse les images rétiniennes des patients pour détecter la présence d’une rétinopathie diabétique, une complication courante du diabète.

Le système a été testé sur quatre sujets expérimentaux, générant des rapports de rétinopathie diabétique et évaluant les activités quotidiennes sur une période de 30 jours. Le GAT a atteint une précision de 98,32 % dans la détection des activités humaines à partir des données des capteurs, surpassant ainsi les autres modèles de pointe. Le CGN a atteint une précision de 84,48 % dans l’analyse des images rétiniennes pour le signalement de la rétinopathie diabétique.

Une fois les résultats des deux réseaux neuronaux graphiques obtenus, les activités quotidiennes des patients diabétiques ont été comparées à celles des sujets expérimentaux. Cela a permis d’identifier les facteurs de risque et de recommander un diagnostic précoce, même en l’absence de symptômes apparents. Les résultats obtenus avec DiabSense ont été comparés aux rapports de diagnostic clinique utilisant le test A1C, confirmant la précision du système dans le diagnostic précoce du diabète.

La mise au point de ce système marque une étape importante dans l’utilisation de la technologie pour résoudre des problèmes de santé mondiaux tels que le diabète. La combinaison des deux réseaux neuronaux graphiques permet d’identifier la maladie à ses premiers stades. Grâce à sa précision et à son efficacité, ce système pourrait améliorer la vie de millions de personnes dans le monde en assurant un traitement précoce.

Pour en savoir plus sur cette étude, cliquez ici.

Pour plus de recherches, consultez le dépôt UNEATLANTICO.