537 millions d'adultes vivent avec le diabète dans le monde (IDF, 2021), un chiffre qui pourrait atteindre 783 millions en 2045. En Afrique subsaharienne, 24 millions de personnes sont diabétiques, mais plus de la moitié l'ignore.
Une fenêtre pour agir
Le diabète de type 2 se développe silencieusement pendant des années, avec une phase de prédiabète réversible. À ce stade, une intervention simple (alimentation, activité physique, perte de poids de 5 à 7 %) réduit le risque de progression de 58 % (DPP Research Group, NEJM, 2002).
La question devient : comment identifier ces personnes avant qu'il ne soit trop tard ?
Le machine learning clinique
Le jeu de données Pima Indians Diabetes (768 femmes, 8 variables : glycémie à jeun, IMC, âge, pression artérielle, insuline, pli cutané, grossesses, antécédents familiaux) est devenu la référence classique pour ce problème.
Mais les modèles modernes vont bien plus loin. Des modèles XGBoost entraînés sur de grandes cohortes atteignent une bonne capacité de prédiction du diabète à cinq ans. Les valeurs SHAP, qui expliquent la contribution de chaque variable, montrent que la glycémie à jeun, l'HbA1c et le tour de taille sont les facteurs les plus prédictifs.
Un modèle béninois
Au Bénin, l'enquête STEPS de l'OMS a mesuré une prévalence notable de l'hyperglycémie chez les adultes. Un modèle entraîné sur des données béninoises, intégrant la consommation d'akassa ou de gari, les activités physiques locales et les mesures anthropométriques de la population, serait un outil de santé publique de premier plan pour cibler la prévention en médecine générale.
Pour aller plus loin : le document completPDF · 9 pages · sources et détails techniquesTélécharger
