C’est une découverte capitale dans les domaines de la santé et de la nutrition : d’un individu à l’autre, des aliments identiques ne sont pas assimilés de la même façon et peuvent influencer différemment le taux de glucose dans le sang.
Pour en arriver à cette conclusion, deux chercheurs du Weizmann Institute of Science, Eran Segal et Eran Elinav, ont recueilli un corpus de données auprès de 800 participants. Lors de la seconde phase du projet, ils ont intégré ces datas à un algorithme de machine learning. Objectif atteint : l’algorithme s’est révélé capable de prédire la façon dont le taux de sucre varie chez un individu après un repas donné… La preuve que la « data science » n’est pas un fantasme, mais une réalité qui transforme profondément la façon dont les chercheurs peuvent envisager leurs travaux.
Pas tous égaux devant l’alimentation
Les régimes « minceur » inefficaces ? C’est en tout cas la conclusion de l’étude publiée par Eran Elinav et Eran Segal le 19 novembre 2015 dans la revue scientifique Cell.
Ce sont 800 participants qui ont été sollicités pour aboutir à ce résultat. Grâce à une application mobile et à un moniteur de glucose sanguin connecté relevant régulièrement leur glycémie, tous ont fourni de nombreuses informations : aliments consommés, activité physique, sommeil… Des échantillons de selles ont par ailleurs permis de surveiller leur microbiote, c’est-à-dire l’ensemble des micro-organismes vivants dans leur intestin.
Pour Eran Segal, la conclusion est étonnante :
« La première très grande surprise et découverte frappante que nous avons faite, c’est la grande variabilité de réactions des gens à des plats identiques. »
En effet, l’élévation du taux de sucre dans le sang après un même repas n’est pas la même selon les individus. La raison ? Le microbiote – ou flore intestinale – dont la composition influe sur l’augmentation de la glycémie.
Le machine learning pour proposer des réponses personnalisées
Cette découverte signe-t-elle la fin des régimes alimentaires standardisés ? Pour permettre aux patients de contrôler plus efficacement leur taux de glucose et donc de lutter contre des pathologies comme le diabète ou même l’obésité, les chercheurs ont choisi une approche personnalisée. Grâce aux nombreuses données recueillies pendant l’étude, ils ont développé un algorithme capable de prédire les variations du taux de sucre dans le sang. Ultra-précis, ce dernier inclut plus de 130 paramètres : aliments consommés, activité quotidienne, analyses sanguines…
Pour valider la fiabilité de cet algorithme, Eran Elinav et Eran Segal ont recruté 100 nouveaux participants. Un troisième groupe, constitué d’une trentaine de volontaires, a permis de tester la validité de l’expérience : la moitié s’est alimentée en suivant les prédictions d’un expert en nutrition assisté d’une équipe de recherche travaillant avec un moniteur de glucose, l’autre en suivant les prédictions de l’algorithme. Résultat ? Une baisse significative du taux de sucre dans le sang a été constatée chez tous les participants… Preuve que l’algorithme avait bel et bien réussi à « apprendre » grâce au corpus de données qui lui avait été fourni !
A lire aussi :
– Quand la réalité augmentée permet de faciliter le travail des chirurgiens
– Programme SI-Samu : Urgence sur le digital !
– E-santé : des médecins et des patients toujours plus connectés !