Pancréas artificiel 2.0: ce que les systèmes d'administration automatique d'insuline ne peuvent pas encore faire — et comment y remédier

Diabetes Technology & Therapeutics a publié une étude réalisée par un groupe international d'ingénieurs et de cliniciens sur les lacunes qui empêchent les systèmes automatisés d'administration d'insuline (IAD) de devenir une véritable « boucle fermée ». Les auteurs affirment honnêtement que les dispositifs actuels réduisent l'HbA1c, améliorent la qualité de vie et gèrent la glycémie de manière plus sûre, mais qu'ils fonctionnent mieux la nuit et, pendant la journée, ils obligent l'utilisateur à déclarer ses repas et son activité physique pour éviter l'hyperglycémie et l'hypoglycémie. De plus, de nombreux systèmes ne sont pas encore conçus pour les femmes enceintes et les personnes âgées. L'étude présente les résultats de nouveaux algorithmes qui reconnaissent automatiquement l'alimentation et l'exercice physique, ainsi que les premières données sur l'utilisation des IAD dans des groupes « complexes ». Conclusion principale: la prochaine étape de l'évolution est l'intelligence artificielle et le contrôle adaptatif, y compris pour les configurations multihormonales (insuline ± glucagon).

Contexte de l'étude

Les systèmes automatisés d'administration d'insuline (SADI) combinent un glucomètre en continu (CGM), une pompe à insuline et un algorithme de contrôle qui ajuste l'administration d'insuline en temps réel. Ces dernières années, des circuits « hybrides » ont permis de réduire significativement l'HbA1c, d'augmenter le temps de réponse et de réduire les hypoglycémies nocturnes chez les personnes atteintes de diabète de type 1. Mais le « pilotage automatique complet » n'est pas encore possible: pendant la journée, lorsque la glycémie est constamment affectée par l'alimentation, le stress et l'activité physique, la plupart des systèmes nécessitent encore une saisie manuelle des glucides et un avertissement d'activité; sinon, l'algorithme ne peut pas compenser les pics de glycémie rapides.

La pratique clinique a révélé d'autres lacunes. Les algorithmes fonctionnent mieux pendant le sommeil, lorsque le métabolisme est plus stable, mais les pics postprandiaux, l'exercice et les retards de bolus restent des points faibles. Certains systèmes ne sont pas encore conçus pour les femmes enceintes (cibles glycémiques différentes, coût élevé des erreurs) et les personnes âgées (polymorbidité, risque accru d'hypoglycémie), pour lesquels des modes de sécurité et des interfaces adaptés réduisant la charge cognitive sont nécessaires.

Techniquement, la prochaine étape consiste à réduire le « facteur humain ». À cette fin, des algorithmes sont développés pour la reconnaissance automatique de l'apport alimentaire et de l'activité physique, basés sur les schémas CGM et des capteurs portables; des circuits multihormonaux (insuline ± glucagon) sont testés comme « assurance » contre l'hypoglycémie; des modèles adaptatifs/d'IA sont mis en œuvre pour s'adapter aux rythmes individuels de l'utilisateur et au contexte de la journée. Parallèlement, le secteur a besoin de normes d'interopérabilité et de cybersécurité afin que les systèmes soient mis à jour « à distance » et que les données soient échangées en toute sécurité entre les appareils et les cliniques.

Enfin, le contrôle de la glycémie n'est pas le seul élément important, mais aussi le confort de vie: moins d'anxiété et d'activités manuelles, un sommeil stable et l'accessibilité de la technologie à des personnes de différents niveaux de compétences numériques et de revenus. Ainsi, le « pancréas artificiel 2.0 » n'est pas seulement un algorithme plus rapide, mais un écosystème fonctionnant avec la même fiabilité de jour comme de nuit, nécessitant un minimum d'interventions et couvrant un large éventail de patients.

Pourquoi est-ce important?

Les circuits automatisés constituent l'une des avancées majeures de la diabétologie de ces dernières décennies, et leur contribution est officiellement reflétée dans les normes modernes de gestion du diabète. Cependant, l'« autonomie totale » reste inaccessible: l'utilisateur saisit encore ses glucides « manuellement », et avec un mode de vie actif, les algorithmes sont souvent en retard. L'étude systématise les déplacements afin que les DAI deviennent plus accessibles et plus intelligents, notamment pour les femmes enceintes, les personnes de plus de 65 ans, les sportifs ou tout simplement celles qui ne peuvent pas compter leurs glucides toutes les quelques heures.

Ce que l'AID peut faire maintenant - et où les progrès stagnent

Les « pancréas » hybrides actuels sont très efficaces pour maintenir le temps dans la plage de valeurs (TIR) et réduire le temps en dessous de la plage de valeurs (TBR), notamment pendant le sommeil. Cependant, face aux défis diurnes (alimentation, stress, entraînement), des points faibles apparaissent:

• Des annonces concernant l'alimentation et l'exercice sont nécessaires. Sans elles, le circuit n'a pas le temps de « capter » la poussée postprandiale ni de prévenir l'hypoglycémie après l'activité.
• Adaptabilité « civile » limitée. Plusieurs systèmes ne sont pas destinés aux femmes enceintes et aux personnes âgées, pour lesquelles les objectifs et les risques sont différents.
• Instabilité diurne. Les appareils sont plus efficaces la nuit; la glycémie varie davantage pendant la journée.
• « Facteur humain » – Le comptage des glucides et les étapes manuelles sont fastidieux, ce qui rend l’adhésion difficile – cela est souligné par les revues cliniques et la pratique.

Ce que suggèrent les auteurs de la revue

Les chercheurs soulignent les domaines dans lesquels des résultats encourageants ont émergé ces dernières années – et où des efforts sont nécessaires:

• Reconnaissance automatique de l'alimentation et de l'activité physique. Des algorithmes peuvent, sans intervention de l'utilisateur, évaluer la réalité et l'ampleur de la prise alimentaire ou de l'activité physique et doser l'insuline en conséquence.
• Circuits multihormonaux. L'ajout de glucagon comme « pédale de sécurité » contre l'hypoglycémie constitue un domaine de développement distinct.
• Nouveaux groupes cibles. Essais chez les personnes âgées et pendant la grossesse avec adaptation des objectifs et des barrières protectrices.
• IA et contrôle adaptatif: les modèles personnalisés qui « apprennent » à partir des données quotidiennes suppriment une partie du travail manuel et simplifient l’accès à la technologie.

Où chercher des développeurs et des régulateurs

Pour amener l’AID à une « boucle complète » pour tous, en plus des algorithmes, nous devrons également résoudre des problèmes « systémiques »:

• Interopérabilité et évolutivité. Normes d'échange de données et mises à jour logicielles à distance sécurisées.
• Mesures des bénéfices en situation réelle. Outre l'HbA1c, le TIR/TBR, la charge d'alerte, le sommeil nocturne et la charge cognitive de l'utilisateur.
• Accès et équité: simplifier l’interface et rendre les systèmes moins chers afin que les IAD soient accessibles à ceux qui ne les utilisent pas aujourd’hui.
• Cybersécurité et confidentialité. Surtout dans le contexte d'appareils de plus en plus connectés et connectés.

Ce que cela signifie pour les personnes atteintes de diabète - maintenant

Même sans être « totalement autonomes », les dispositifs d'aide à la décision modernes offrent déjà des avantages en termes de glycémie et de sécurité, comme le confirment des études randomisées et observationnelles. Si vous utilisez un contour aujourd'hui, le principal atout réside dans un engagement élevé (annonces ponctuelles de nourriture/charges, charge/connectivité du capteur, définition d'objectifs précis). Et pour ceux qui envisagent un dispositif d'aide à la décision, l'étude fournit un point de départ clair: dans les prochaines générations, les appareils nécessiteront moins d'actions manuelles et seront plus performants en journée, et pas seulement la nuit.

Où sont les limites et quelle est la prochaine étape?

Il s'agit d'une revue de la littérature; elle ne remplace pas les essais cliniques, mais elle fixe un ordre du jour: conceptualisation des contours et élargissement des indications. Des essais à domicile de systèmes dosant indépendamment en fonction de l'alimentation et de la charge sont déjà en cours; des solutions multihormonales sont développées en parallèle. La prochaine étape consistera en des études multicentriques chez les personnes âgées, les femmes enceintes et les personnes ayant un emploi du temps « imprévisible », ainsi qu'en des travaux sur l'accessibilité et la mise en œuvre.

Un petit aide-mémoire: ce qui empêche une « boucle complète » et ce qui la rapprochera

Cela interfère avec:

• la nécessité d’une saisie manuelle des glucides et des déclarations d’activité;
• diminution de la stabilité au cours de la journée (alimentation, sport, stress);
• manque de modes pour la grossesse et les personnes âgées dans certains systèmes.

Approximatif:

• auto-détection de nourriture/charge et algorithmes adaptatifs;
• circuits multihormonaux (insuline ± glucagon);
• normes de données unifiées, sécurité, accessibilité.

Conclusion

L'étude formule clairement l'objectif de la « version 2.0 » du pancréas artificiel: réduire au minimum le rôle de l'utilisateur, garantir un fonctionnement fiable des circuits de jour comme de nuit, et ouvrir l'accès à ceux qui sont actuellement laissés pour compte, notamment les femmes enceintes et les personnes âgées. Pour y parvenir, il faut recourir à des algorithmes d'IA, à un contrôle adaptatif et à des schémas multihormonaux; les premiers résultats confirment déjà cette réalité. Il appartient désormais aux essais cliniques et aux ingénieurs de transformer ces idées en dispositifs fiables « pour tous et au quotidien ».

Source de la recherche: Jacobs PG et al. Lacunes, défis et opportunités de la recherche sur les systèmes automatisés d'administration d'insuline. Diabetes Technology & Therapeutics 27(S3): S60-S71. https://doi.org/10.1089/dia.2025.0129