S'abonner

Phénotypage numérique profond dans le diabète de type 1 : le renouveau de la recherche en épidémiologie - 13/06/21

Deep digital phenotyping in type 1 diabetes: The reinvention of epidemiological research

Doi : 10.1016/j.mmm.2021.04.005 
Guy Fagherazzi 1
 Luxembourg Institute of Health, Director of Department of Population Health, Group Leader of the Deep Digital Phenotyping Research Unit, 1A-B, rue Thomas Edison, 1445 Strassen, Luxembourg 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 5
Iconographies 1
Vidéos 0
Autres 0

Résumé

Le numérique rend possible de mieux caractériser, en vraie vie, ce que représente un diabète de type 1 au quotidien. Le « digitosome », les données générées en ligne par les individus au cours de leur vie, est une source d’information sans précédent à analyser à l’aide de méthodes d’intelligence artificielle (phénotypage numérique), et à combiner aux autres données cliniques et « omiques » (phénotypage profond). Ainsi, le concept réunifié de phénotypage numérique profond permettra d’obtenir des caractérisations plus holistiques des personnes diabétiques, puis d’identifier dans de grandes cohortes, leur jumeau numérique, afin de leur proposer des programmes de santé de précision et des gestions de la maladie et des traitements personnalisés. Ces concepts, ainsi que les points de vigilance pour se prémunir d’éventuelles dérives liées aux données et à l’intelligence artificielle, sont discutés dans cet article en s’appuyant sur des exemples de recherche actuels.

Le texte complet de cet article est disponible en PDF.

Summary

Digital technology offers new opportunities to better characterize, the reality of daily life of people with type 1 diabetes. The “digitosome”, the digital data generated online by individuals during their lifetime, is an unprecedented source of information to be analyzed using artificial intelligence methods (digital phenotyping), to be combined with other clinical and omics data (deep phenotyping). Thus, this concept of deep digital phenotyping will make it possible to obtain more holistic characterizations of people with diabetes and then to identify, in large cohorts, their digital twin and offer them precision health programs, personalized diabetes and therapeutic management. These concepts, as well as the vigilance required to guard against possible drifts related to the misuse of data and to artificial intelligence are discussed in this article based on current research developments.

Le texte complet de cet article est disponible en PDF.

Mots clés : Intelligence artificielle, Données, Cohortes, Épidémiologie, Jumeau numérique

Keywords : Artificial intelligence, Data, Cohort, Epidemiology, Digital twin


Plan


© 2021  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 15 - N° 4

P. 375-379 - juin 2021 Retour au numéro
Article précédent Article précédent
  • Troubles des conduites alimentaires et diabète de type 1 : une relation complexe
  • Patrice Darmon, Martin Eisinger, Abdulkader Jalek, Ariane Sultan
| Article suivant Article suivant
  • SFDT1, une cohorte française de suivi de personnes vivant avec un diabète de type 1
  • Jean-Pierre Riveline, Laura Sablone, Emmanuel Cosson

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.