Metabolic HealthLe Machine Learning Prédit Désormais Votre Réponse Glycémique à N'importe Quel Repas
Les pics de glycémie postprandiaux sont très variables d'un individu à l'autre, et les chercheurs ont de plus en plus recours à l'apprentissage automatique pour les prédire. Cette revue narrative a examiné 26 études ayant développé des modèles de ML pour prévoir les réponses glycémiques postprandiales à partir de données personnelles — notamment la composition du microbiote intestinal, des mesures anthropométriques et des biomarqueurs — ainsi que les profils nutritionnels des aliments. Les modèles les plus performants reposaient majoritairement sur des algorithmes à base d'arbres de décision et avaient été développés pour des individus en bonne santé, en prédiabète ou diabétiques. Malgré une précision prédictive prometteuse en conditions contrôlées, les essais cliniques testant des conseils diététiques personnalisés pilotés par ML n'ont pas encore démontré d'améliorations significatives par rapport aux recommandations alimentaires standard. La revue identifie plusieurs lacunes majeures : le niveau de transformation des aliments est rarement pris en compte, les problèmes éthiques et de conformité algorithmique restent non résolus, et la reproductibilité est insuffisante. Pour y remédier, les auteurs proposent un cadre de reporting minimal assorti d'une liste de critères visant à standardiser les recherches futures dans ce domaine en pleine évolution.
