Développement et évaluation d’un système intelligent non invasif d’estimation de la glycémie basé sur les signaux PPG et l’intelligence artificielle, intégré à une application mobile

Abstract

Le suivi glycémique régulier est essentiel pour la gestion du diabète, mais les méthodes invasives actuelles limitent l’observance des patients. Ce projet propose une solution non -invasive innovante basée sur les signaux photopléthysmographie (PPG) couplée à l’intelligence artificielle. Notre démarche s’est articulée autour d’une approche incrémentale. Dans un premier temps, nous avons évalué des modèles de base (XGBoost, Random Forest).Malgré une ingénierie avancée des caractéristique et une optimisation rigoureuse des hyperparamètres, ces modèles ont révélé des limites face à la variabilité interindividuelle, avec une erreur absolue moyenne (MAE) oscillant autour 13 à 14 mg/dl. Pour surmonter ce verrou technique, nous avons développé un système hybride personnalisé. Ce système combine le modèle globale de base avec un correcteur local adaptatif en temps réel, conçu pour ajuster les prédictions en fonction de la signature PPG spécifique du patient. Les résultats expérimentaux confirment la pertinence de cette approche, avec une réduction de l’erreur de prediction supérieure à 60% par rapport aux modèles classiques lors de situations d’hyperglycémie. Ce système intégré à une application mobile, offre une perspective prometteuse pour une surveillance glycémique continue, confortable et accessible.