Un modèle d’apprentissage automatique pour optimiser le traitement des patients atteints de diabète de type 2 mal contrôlé

Pourquoi c’est important pour les personnes atteintes de diabète

Pour de nombreuses personnes atteintes de diabète de type 2, maintenir la glycémie sous contrôle est un défi quotidien, et les médecins disposent désormais de plusieurs options médicamenteuses puissantes qui protègent également le cœur et les reins. Deux des traitements récents les plus utilisés agissent de façon très différente, mais les recommandations actuelles donnent peu d’indications sur le médicament le mieux adapté à chaque patient. Cette étude présente un outil décisionnel fondé sur les données, conçu pour associer chaque patient au médicament le plus susceptible d’améliorer son contrôle glycémique à long terme.

Deux médicaments modernes, un choix difficile

La recherche se concentre sur deux familles de médicaments : l’une qui aide les reins à éliminer davantage de sucre dans les urines, et l’autre qui renforce les signaux hormonaux naturels pour favoriser la sécrétion d’insuline et la sensation de satiété après les repas. Les deux ont démontré une réduction de la glycémie et du risque de complications cardiaques et rénales. Dans la pratique quotidienne, toutefois, les médecins s’appuient souvent sur l’expérience ou l’habitude pour choisir entre eux, car il existe peu de comparaisons directes chez des patients réels et peu d’orientations sur la façon dont des facteurs personnels comme le poids, la durée de la maladie ou la fonction rénale doivent influencer le choix.

Transformer les dossiers du monde réel en un score intelligent

Pour résoudre ce problème, les auteurs ont utilisé les dossiers de santé de plus de 24 000 adultes en Chine atteints de diabète de type 2 mal contrôlé ayant débuté l’un des deux médicaments. Ils ont appliqué une méthode d’apprentissage automatique qui combine de nombreux petits arbres de décision pour repérer des motifs reliant les caractéristiques initiales de chaque personne à leur glycémie six et douze mois plus tard. Quinze caractéristiques cliniques de routine ont été incluses, telles que l’âge, les années depuis le diagnostic, l’indice de masse corporelle, les mesures glycémiques de base, la fonction rénale, les taux d’enzymes hépatiques, les lipides sanguins et la prise éventuelle d’autres comprimés antidiabétiques. L’équipe a construit des modèles séparés pour chaque médicament et pour chaque horizon temporel, en évaluant à la fois si les patients atteignaient un objectif glycémique courant et quelles seraient leurs valeurs glycémiques exactes à long terme.

Un outil simple pour suggérer la meilleure option

À partir de ces modèles, les chercheurs ont créé un « score de décision » qui compare l’efficacité attendue de chaque médicament pour un patient donné. Le score combine deux éléments : la probabilité d’atteindre l’objectif glycémique et la valeur glycémique attendue à long terme, avec des pénalités plus lourdes pour les prédictions qui restent manifestement trop élevées. Si le score favorise suffisamment un médicament, l’outil recommande cette option ; si les bénéfices prédits sont similaires, il reste neutre afin que le médecin et le patient puissent décider ensemble. L’outil est adapté à la fréquence probable des suivis cliniques : une version à six mois pour les personnes suivies régulièrement et une version à douze mois pour celles revues moins souvent.

Qui bénéficie davantage de quel traitement

Lorsque le score a été testé sur un groupe indépendant de près de 1 500 patients, il a bien prédit les résultats. Globalement, il a recommandé le médicament à base d’hormone pour environ deux fois plus de personnes que le médicament ciblant les reins. À six mois, les patients plus lourds, présentant des taux plus élevés d’enzymes hépatiques et de cholestérol, des signes plus marqués de conservation de la production d’insuline et une durée plus courte du diabète étaient plus souvent orientés vers l’option hormonale. À douze mois, une glycémie de départ plus élevée et un indice de masse corporelle plus important ont joué un rôle plus important pour orienter la recommandation vers ce médicament. Les mesures de la fonction rénale ont été particulièrement déterminantes pour le médicament ciblant les reins, tandis que le marqueur de production d’insuline a eu une influence notable pour le traitement hormonal.

De meilleurs résultats lorsque l’on suit l’outil

Essentiellement, les personnes dont les prescriptions réelles correspondaient à la recommandation de l’outil ont obtenu un meilleur contrôle glycémique à long terme que celles dont le traitement était contraire à la recommandation. Cet avantage était particulièrement marqué chez les adultes plus jeunes de moins de 55 ans et chez les hommes, ce qui suggère qu’un choix de médicament soigneusement adapté aux caractéristiques personnelles peut faire une différence significative, notamment tôt dans l’évolution de la maladie. Les chercheurs ont également testé des variantes de leur modèle incluant le sexe, le niveau d’éducation, le revenu et les marques commerciales individuelles, et ont constaté que ces éléments n’amélioraient pas substantiellement les performances, soulignant que les mesures cliniques largement disponibles contiennent déjà un fort pouvoir prédictif.

Ce que cela signifie pour les soins quotidiens

Pour un non-spécialiste, le message central est simple : en apprenant à partir de dizaines de milliers de patients réels, l’outil TiP DecScore peut estimer lequel des deux médicaments modernes contre le diabète est le plus susceptible d’aider une personne à maîtriser sa glycémie au cours de l’année à venir. Il le fait en utilisant des informations que les médecins recueillent déjà lors des consultations de routine. Bien qu’il ne remplace pas le jugement médical ni ne prenne en compte chaque considération individuelle, son utilisation a été associée à de meilleurs résultats dans la pratique. En ce sens, il représente un pas vers des choix thérapeutiques plus personnalisés et fondés sur des preuves, susceptibles d’améliorer la vie et de réduire les complications des personnes vivant avec un diabète de type 2.

Citation: Shi, J., Liu, C., Hu, J. et al. A machine learning model for optimizing treatment of patients with poorly controlled type 2 diabetes. Commun Med 6, 165 (2026). https://doi.org/10.1038/s43856-026-01442-8

Mots-clés: diabète de type 2, traitement personnalisé, apprentissage automatique en médecine, agonistes du récepteur GLP-1, inhibiteurs de SGLT2