Détection précoce des épisodes d’hypoglycémie par intelligence artificielle : une approche personnalisée intégrant des mécanismes d’attention

Le diabète de type 1 expose les patients à des épisodes d’hypoglycémie, des baisses dangereuses du taux de sucre dans le sang, qui peuvent entraîner des symptômes graves tels que des vertiges, des évanouissements, voire des convulsions ou un coma. Une détection précoce de ces épisodes est essentielle pour permettre aux patients de réagir rapidement et ainsi éviter des complications potentiellement graves.

Ce projet propose de développer un système de détection intelligent basé sur l’intelligence artificielle (IA). En utilisant les données issues des dispositifs de mesure continue du glucose (CGM) et des algorithmes d’apprentissage profond, nous cherchons à créer une solution capable de prédire les épisodes d’hypoglycémie avant qu’ils ne deviennent critiques. Cette approche personnalisée permettra de fournir des alertes précises et adaptées à chaque patient, réduisant ainsi les faux positifs et améliorant la gestion quotidienne de la glycémie.

Cette technologie a pour objectif d’améliorer la qualité de vie des patients atteints de diabète en leur offrant des outils fiables et proactifs pour gérer leur santé tout en contribuant à l’avancement de la recherche dans le domaine de la santé numérique.

Faculty Supervisor:

Khadidja Henni

Student:

Partner:

École Nationale Polytechnique

Discipline:

Computer science

Sector:

Health and Related Sciences & Technology

University:

Université TÉLUQ

Program: