https://frosthead.com

Un mathématicien du MIT développe un algorithme pour aider à traiter le diabète

Quand des gens me demandent pourquoi un mathématicien appliqué étudie le diabète, je leur dis que je suis motivé pour des raisons à la fois scientifiques et humaines.

Contenu connexe

  • Un appareil de surveillance sanguine inspiré des moustiques
  • Les gens utilisent le Big Data depuis les années 1600

Le diabète de type 2 est courant dans ma famille. Mon grand-père est décédé de complications liées à la maladie. La maladie a été diagnostiquée chez ma mère à l'âge de 10 ans et ma tante Zacharoula en a souffert. Je suis moi-même pré-diabétique.

Adolescente, je me souviens avoir été frappée par le fait que ma mère et sa sœur avaient reçu des traitements différents de leurs médecins respectifs. Ma mère n'a jamais pris d'insuline, une hormone qui régule la glycémie; au lieu de cela, elle a mangé un régime limité et pris d'autres médicaments par voie orale. Tante Zacharoula, en revanche, prenait plusieurs injections d'insuline chaque jour.

Bien qu'ils aient le même héritage, le même ADN parental et la même maladie, leurs trajectoires médicales ont divergé. Ma mère est décédée en 2009 à l'âge de 75 ans et ma tante est décédée la même année à l'âge de 78 ans, mais au cours de sa vie, elle a eu de nombreux effets secondaires plus graves.

Lorsqu'ils ont été diagnostiqués dans les années 1970, il n'existait aucune donnée indiquant quel médicament était le plus efficace pour une population de patients spécifique.

Aujourd'hui, 29 millions d'Américains vivent avec le diabète. Et maintenant, à l'ère émergente de la médecine de précision, les choses sont différentes.

L'accès accru aux sources d'informations génomiques et l'utilisation croissante des dossiers médicaux électroniques, combinés à de nouvelles méthodes d'apprentissage automatique, permettent aux chercheurs de traiter de grandes quantités de données. Cela accélère les efforts pour comprendre les différences génétiques au sein de maladies - y compris le diabète - et pour développer des traitements pour celles-ci. Le scientifique en moi ressent un puissant désir de participer.

Utiliser le Big Data pour optimiser le traitement

Mes étudiants et moi avons développé un algorithme basé sur les données pour la gestion personnalisée du diabète qui, selon nous, pourrait améliorer la santé de millions d'Américains atteints de cette maladie.

Cela fonctionne comme suit: l’algorithme extrait les données du patient et du médicament, recherche ce qui est le plus pertinent pour un patient donné en fonction de ses antécédents médicaux, puis formule une recommandation sur l’efficacité d’un autre traitement ou médicament. L'expertise humaine est une troisième pièce essentielle du puzzle.

Après tout, ce sont les médecins qui ont la formation, les compétences et les relations avec les patients qui portent des jugements éclairés sur les traitements potentiels.

Nous avons mené notre recherche en partenariat avec le Boston Medical Center, le plus grand hôpital doté d'un filet de sécurité en Nouvelle-Angleterre, qui fournit des soins aux personnes à faible revenu et aux personnes non assurées. Et nous avons utilisé un ensemble de données qui comprenait les dossiers médicaux électroniques de 1999 à 2014 d'environ 11 000 patients qui étaient anonymes pour nous.

Ces patients avaient au moins trois tests de glycémie enregistrés, une ordonnance pour au moins un médicament de contrôle de la glycémie et aucun diagnostic enregistré de diabète de type 1, qui commence généralement dans l'enfance. Nous avons également eu accès aux données démographiques de chaque patient, ainsi qu'à sa taille, son poids, son indice de masse corporelle et ses antécédents de médicaments.

Ensuite, nous avons développé un algorithme pour marquer précisément la fin de chaque ligne de traitement et le suivant, en fonction du moment où la combinaison de médicaments prescrits aux patients a changé dans les données du dossier médical électronique. Au total, l'algorithme a pris en compte 13 schémas thérapeutiques possibles.

Pour chaque patient, l'algorithme a traité le menu des options de traitement disponibles. Cela incluait le traitement actuel du patient, ainsi que celui de ses 30 «voisins les plus proches» en termes de similitude de leurs antécédents démographiques et médicaux pour prédire les effets potentiels de chaque schéma thérapeutique. L'algorithme suppose que le patient hériterait du résultat moyen de ses voisins les plus proches.

Si l'algorithme détectait un potentiel d'amélioration considérable, il offrait un changement de traitement; sinon, l'algorithme suggère que le patient reste sous son schéma thérapeutique existant. Dans les deux tiers de l'échantillon de patients, l'algorithme n'a pas proposé de changement.

Les patients qui ont reçu de nouveaux traitements grâce à l'algorithme ont obtenu des résultats spectaculaires. Lorsque la suggestion du système était différente de la norme de soins, un changement bénéfique moyen de l'hémoglobine de 0, 44% à chaque visite chez le médecin était observé, par rapport aux données historiques. Il s’agit d’une amélioration significative sur le plan médical.

Compte tenu du succès de notre étude, nous organisons un essai clinique avec le Massachusetts General Hospital. Nous pensons que notre algorithme pourrait s’appliquer à d’autres maladies, notamment le cancer, la maladie d’Alzheimer et les maladies cardiovasculaires.

C'est professionnellement satisfaisant et gratifiant personnellement de travailler sur un projet révolutionnaire comme celui-ci. En lisant les antécédents médicaux d'une personne, nous sommes en mesure d'adapter des traitements spécifiques à des patients spécifiques et de leur fournir des stratégies thérapeutiques et préventives plus efficaces. Notre objectif est de donner à chacun la plus grande opportunité possible pour une vie plus saine.

Mieux encore, je sais que ma mère serait fière.


Cet article a été publié à l'origine sur The Conversation. La conversation

Dimitris Bertsimas, professeur de mathématiques appliquées, MIT Sloan School of Management

Un mathématicien du MIT développe un algorithme pour aider à traiter le diabète