Apports de l’intelligence artificielle dans la prévention du diabète : comment cibler les personnes ayant un diabète méconnu dans le Système National des Données Santé : Étude basée sur les données de la cohorte CONSTANCES
Résumé
INTRODUCTION - En 2013-2014, selon les données de la cohorte Constances, 1,6% de la population française âgée de 18 à 69 ans avait un diabète méconnu. L’objectif de notre étude était de développer un algorithme pour identifier les cas de diabète méconnu dans le Système National des données de santé (SNDS) en utilisant l’intelligence artificielle. METHODES - L’algorithme a été développé à partir de la cohorte Constances dans laquelle des données d’auto-questionnaire, de questionnaire médical et des résultats biologiques sont appariés avec les données du SNDS. Nous avons utilisé une méthodologie d’apprentissage automatique supervisé composée de huit étapes. Premièrement, nous avons sélectionné la base de données (BdD) de référence, en excluant les cas de diabète connu. Parmi les 44,185 participants, nous avons identifié comme cible les cas de diabète méconnu - glycémie à jeun ≥7 mmol/l (n=655)-. Les étapes suivantes étaient : codification des variables SNDS, division de la BdD de référence en base d’entrainement et base de test, sélection des variables et entrainement, validation et sélection des algorithmes. RESULTATS - Seules 12 des 3471 variables codées étaient retenues pour leur capacité de discrimination entre la cible : diabète méconnu versus pas de diabète. L’algorithme final est un modèle de régression logistique basé sur les 5 variables les plus discriminantes : âge, sexe et nombre de remboursements (hors hôpital public) dans l’année précédente d’explorations d’une anomalie lipidique, de consultations d’un médecin généraliste et de dosages de glycémie. La spécificité, la sensibilité et la précision de l’algorithme étaient de 70%, 71 % et 69%, respectivement. CONCLUSION - L’intelligence artificielle ouvre de nombreuses perspectives en termes de prévention du diabète. Ainsi, l’identification des personnes à très haut risque permettrait de cibler les personnes à inclure dans les campagnes de prévention et de leur offrir une prise en charge spécifique.