Abstract FR:

Le diabete de type i resulte d'une insuffisance de la secretion d'insuline par le pancreas. Le but d'un traitement par l'insuline est de maintenir le niveau du glucose a une valeur aussi proche que possible de la normale (1 g/l de sang). Un moyen d'y arriver est de copier le mode de secretion du pancreas. Chaque type de diabete est unique et le traitement n'est pas denue de risques. Si les doses d'insuline sont insuffisantes alors l'hyperglycemie chronique expose le sujet a de graves complications sur le long terme. Par ailleurs, une dose trop forte peut provoquer une hypoglycemie fatale. Une forte expertise est ainsi necessaire de la part du diabetologue pour aboutir a un bon controle de la glycemie. Cette these a pour objet l'etude et le developpement d'un algorithme qui emule le processus de prise de decision d'un diabetologue lors de la determination des debits d'une pompe a insuline. Ce programme prevu pour etre code dans un systeme de pompe a insuline intelligente doit predire la dose correcte d'insuline en se basant sur l'historique du traitement. Dans un premier temps, nous avons montre que des regles stables de determination de debits d'insuline existent et peuvent etre modelisees par des reseaux de neurones. Les reseaux de neurones ont ete entraines a l'aide du nouvel algorithme d'apprentissage selectif pour lequel seuls les exemples d'apprentissage efficaces sont pris en compte. Ce premier modele baptise debnet1 a effectivement preconise des debits tres proches de ceux des medecins. Malheureusement, debnet1 avait aussi tendance a refaire les memes erreurs de traitement. Nous avons par la suite applique un nouvel algorithme appele apprentissage correctif qui tient compte des exemples non-efficaces mais apres les avoir corriges. Le taux de correction est optimise afin de satisfaire un critere de haut niveau. L'apprentissage correctif a eu pour effet d'incorporer des connaissances a priori au sein des modeles. Cette version appelee debnet2 preconise des debits efficaces plus souvent que les medecins. Les tests de validation clinique en mode autonome sur de vrais patients ont montre que debnet2 possede la faculte de corriger ses propres erreurs de prescription.