Les montres connectées et les analyses sanguines peuvent-elles prédire le risque de diabète avant qu’il ne soit trop tard
Le diabète de type 2 touche aujourd’hui plus de 500 millions d’adultes dans le monde, un chiffre qui pourrait atteindre 640 millions d’ici 2030. Dans neuf cas sur dix, cette maladie est liée à un phénomène appelé résistance à l’insuline. Ce trouble silencieux survient lorsque les cellules du corps répondent moins bien à l’insuline, une hormone essentielle pour réguler le taux de sucre dans le sang. Sans intervention, il peut évoluer vers un diabète avéré ou des complications graves comme des maladies cardiaques ou des atteintes hépatiques.
Pourtant, détecter cette résistance reste difficile. Les méthodes actuelles, comme les prises de sang en laboratoire, sont coûteuses et peu accessibles. Une étude récente montre qu’il est possible de la repérer plus simplement, en combinant des données issues de montres connectées et des analyses sanguines de routine. Les chercheurs ont utilisé des informations comme le rythme cardiaque au repos, le nombre de pas quotidiens, la durée du sommeil ou encore le taux de triglycérides et de cholestérol. Grâce à l’intelligence artificielle, ces données permettent d’identifier les personnes à risque avec une précision proche de 80 %.
L’étude a impliqué plus de 1 000 participants aux États-Unis. Les résultats révèlent que certaines habitudes de vie, comme un faible niveau d’activité physique ou un sommeil insuffisant, sont étroitement liées à une résistance accrue à l’insuline. Par exemple, les personnes en surpoids ou obèses présentent un risque bien plus élevé, mais même celles avec un poids normal peuvent être concernées. Parmi les participants, un sur cinq avait une résistance à l’insuline sans le savoir, alors que leur taux de sucre dans le sang semblait normal.
L’avantage de cette approche est sa simplicité. Les montres connectées mesurent en continu des indicateurs comme la fréquence cardiaque ou l’activité physique, tandis que les analyses sanguines classiques fournissent des données sur le métabolisme. En croisant ces informations, les scientifiques ont développé un modèle capable de prédire le risque bien avant l’apparition des premiers symptômes. Une détection précoce ouvre la porte à des interventions ciblées : perte de poids, exercice physique régulier ou alimentation adaptée peuvent inverser la tendance.
Cette méthode pourrait révolutionner la prévention du diabète. Elle évite les examens complexes et onéreux, tout en offrant une solution scalable, accessible à des millions de personnes. À terme, elle pourrait même être intégrée à des assistants vocaux ou des applications de santé, fournissant des recommandations personnalisées pour réduire les risques. L’enjeu est de taille, car agir tôt permet d’éviter des traitements lourds et des complications irréversibles. La technologie, couplée à la médecine, devient ainsi un outil précieux pour une santé proactive.
À propos de nos sources
Publication originale
DOI : https://doi.org/10.1038/s41586-026-10179-2
Titre : Insulin resistance prediction from wearables and routine blood biomarkers
Revue : Nature
Éditeur : Springer Science and Business Media LLC
Auteurs : Ahmed A. Metwally; A. Ali Heydari; Daniel McDuff; Alexandru Solot; Zeinab Esmaeilpour; Anthony Z. Faranesh; Menglian Zhou; Girish Narayanswamy; Maxwell A. Xu; Xin Liu; Yuzhe Yang; David B. Savage; Mark Malhotra; Conor Heneghan; Shwetak Patel; Cathy Speed; Javier L. Prieto