An innovative ecosystem based on deep learning : Contributions for the prevention and prediction of diabetes complications
Un écosystème innovant d'intelligence artificielle : Contributions avec le deep learning pour la prévention et la prédiction des complications du diabète
Résumé
In the year 2021, estimations indicated that approximately 537 million individuals were affected by diabetes, a number anticipated to escalate to 643 million by the year 2030 and further to 783 million by 2045. Diabetes, characterized as a persistent metabolic ailment, necessitates unceasing daily care and management. In the context of Mauritius, as per the most recent report by the International Diabetes Federation, the prevalence of diabetes, specifically Type 2 Diabetes (T2D), stood at 22.6% of the population in 2021, with projections indicating a surge to 26.6% by the year 2045. Amidst this alarming trend, a concurrent advancement has been observed in the realm of technology, with artificial intelligence techniques showcasing promising capabilities in the spheres of medicine and healthcare. This doctoral dissertation embarks on the exploration of the intersection between artificial intelligence and diabetes education, prevention, and management.We initially focused on exploring the potential of artificial intelligence (AI), more specifically, deep learning, to address a critical complication linked to diabetes – Diabetic Foot Ulcer (DFU). The emergence of DFU poses the grave risk of lower limb amputations, consequently leading to severe socio-economic repercussions. In response, we put forth an innovative solution named DFU-HELPER. This tool serves as a preliminary measure for validating the treatment protocols administered by healthcare professionals to individual patients afflicted by DFU. The initial assessment of the proposed tool has exhibited promising performance characteristics, although further refinement and rigorous testing are imperative. Collaborative efforts with public health experts will be pivotal in evaluating the practical efficacy of the tool in real-world scenarios. This approach seeks to bridge the gap between AI technologies and clinical interventions, with the ultimate goal of improving the management of patients with DFU.Our research also addressed the critical aspects of privacy and confidentiality inherent in handling health-related data. Acknowledging the extreme importance of safeguarding sensitive information, we delved into the realm of Peer-to-Peer Federated Learning. This investigation specifically found application in our proposal for the DFU-Helper tool discussed earlier. By exploring this advanced approach, we aimed to ensure that the implementation of our technology aligns with privacy standards, thereby fostering a trustworthy and secure environment for healthcare data management.Finally, our research extended to the development of an intelligent conversational agent designed to offer round-the-clock support for individuals seeking information about diabetes. In pursuit of this goal, the creation of an appropriate dataset was paramount. In this context, we leveraged Natural Language Processing techniques to curate data from online media sources focusing on diabetes-related content.
En 2021, le diabète touchait environ 537 millions de personnes dans le monde. Ce chiffre devrait grimper à 643 millions d'ici 2030 et 783 millions d'ici 2045. Le diabète est une maladie métabolique persistante qui nécessite des soins et une gestion quotidiens continus. Le fardeau des maladies chroniques pèse lourdement sur les systèmes de santé lorsqu'il touche une partie substantielle de la population. De telles circonstances ont un impact négatif non seulement sur le bien-être général d'une grande partie de la population, mais contribuent également de manière significative aux dépenses de santé. Dans le contexte de Maurice, selon le rapport le plus récent de la Fédération Internationale du Diabète, la prévalence du diabète, en particulier du diabète de type 2 (T2D), était de 22,6 % de la population en 2021, avec des projections indiquant une hausse à 26,6 % d'ici 2045. Face à cette tendance alarmante, une évolution concomitante a été observée dans le domaine de la technologie, l'intelligence artificielle démontrant des capacités prometteuses dans les domaines de la médecine et de la santé. Cette thèse de doctorat entreprend l'exploration de l'intersection entre l'intelligence artificielle, plus précisément l’apprentissage profond, l'éducation, la prévention, et la gestion du diabète. Nous nous sommes d'abord concentrés sur l'exploration du potentiel de l'Intelligence Artificielle (IA) pour répondre à une complication fréquente du diabète : l'Ulcère du Pied Diabétique (DFU). Les DFU présentent un risque grave d'amputations des membres inférieurs, entraînant des conséquences graves. En réponse, nous avons proposé une solution innovante nommée DFU-HELPER. Cet outil permet de valider les protocoles de traitement administrés par les professionnels de la santé aux patients individuels atteints de DFU. L'évaluation initiale de l'outil a montré des résultats prometteurs, bien qu'un affinement further et des tests rigoureux soient impératifs. Les efforts collaboratifs avec les experts en santé publique seront essentiels pour évaluer l'efficacité pratique de l'outil dans des scénarios réels. Cette approche vise à combler le fossé entre les technologies IA et les interventions cliniques, avec pour objectif ultime d'améliorer la prise en charge des patients atteints de DFU. Notre recherche a également abordé les aspects critiques de la vie privée et de la confidentialité inhérents à la manipulation des données liées à la santé. Reconnaissant l'importance capitale de la protection des informations sensibles, nous avons appliqué une approche avancée d'apprentissage fédéré Peer-to-Peer à notre proposition pour l'outil DFU-Helper. Cette approche permet de traiter des données sensibles sans les transférer vers un serveur central, contribuant ainsi à créer un environnement de confiance et sécurisé pour la gestion des données de santé. Enfin, notre recherche s'est étendue au développement d'un agent conversationnel intelligent conçu pour fournir des informations et un soutien 24 heures sur 24 aux personnes atteintes de diabète. Dans la poursuite de cet objectif, la création d'un jeu de données approprié était essentielle. Dans ce contexte, nous avons utilisé des techniques de traitement du langage naturel pour sélectionner des données de qualité provenant de sources médias en ligne traitant du diabète.
| Origine | Version validée par le jury (STAR) |
|---|