Articles

  • Un nano-agent diagnostique et traite simultanément les micro-caillots cérébraux

    12,2 millions de cas d’AVC par an selon l’OMS

    Des chercheurs de l’Université de Caen Normandie ont mis au point un agent théranostique capable d’identifier les micro-thrombi responsables des séquelles d’AVC tout en les dissolvant. L’accident vasculaire cérébral ischémique demeure la première cause de handicap acquis et la deuxième de mortalité mondiale. Selon l’OMS il :

    • touche 12,2 millions de personnes chaque année ;
    • entraîne 6,5 millions de décès ;
    • reste difficile à diagnostiquer lorsque les micro-caillots sont invisibles en IRM ou scanner.

    Le traitement standard par tPA (tissue plasminogen activator, ou activateur tissulaire du plasminogène), administrable dans une fenêtre de 4 h 30, est réservé à moins de 20 % des patients en raison du risque hémorragique.

    Une stratégie combinant imagerie et thérapie ciblée

    Les chercheurs de l’unité PhIND – Physiopathology and Imaging of Neurological Disorders (Physiopathologie et imagerie des troubles neurologiques) – associant l’Inserm, le CHU et Cyceron, ont développé un nano-agent théranostique baptisé IO@PDA@tPA. Ce composé associe :

    • un cœur d’oxyde de fer visible en IRM ;
    • une coque de polydopamine ciblant les micro-thrombi ;
    • une dose réduite de tPA pour une dissolution contrôlée.

    Étude préclinique : 4 fois moins de tPA

    Testé sur 136 souris modèles d’AVC ischémiques, le nano-agent administré par voie intraveineuse 20 minutes après l’ischémie a permis d’observer :

    • une visualisation directe des micro-thrombi ;
    • une recanalisation vasculaire rapide ;
    • une résorption sans hémorragie intracérébrale.

    Ces résultats, à paraître en janvier 2026 dans Theranostics de janvier 2026, ouvrent la voie à une étude translationnelle vers une homologation CE DIV d’ici 2027.

     

  • Etude : une IA capable d’analyser un frottis mieux qu’un humain (Nature)

    L’examen d’un frottis sanguin au microscope reste un geste essentiel en hématologie : il permet de repérer des signes d’infection, d’anémie ou de dépister des cancers comme les leucémies. Mais cette lecture dépend de l’expérience des spécialistes et du matériel utilisé, ce qui peut entraîner des variations d’un laboratoire à l’autre. Jusqu’ici, la plupart des outils d’IA apprenaient surtout à distinguer des catégories bien définies de cellules. Une approche efficace pour des tâches simples, mais peu adaptée pour repérer des formes vraiment atypiques, pour s’adapter à d’autres microscopes ou pour signaler lorsque le modèle manque d’information. Les chercheurs explorent désormais des méthodes capables de comprendre plus finement l’apparence réelle des cellules.

    Apprendre à quoi ressemblent réellement les cellules sanguines

    Les chercheurs ont donc conçu CytoDiffusion, un modèle d’IA générative capable d’apprendre directement l’apparence des cellules sanguines en produisant lui-même des images très proches de celles observées au microscope. Contrairement aux algorithmes classiques, qui apprennent essentiellement à séparer des catégories prédéfinies, ce modèle apprend à quoi ressemblent réellement les cellules sanguines en générant lui-même des images très proches de celles observées au microscope. Pour l’entraîner, l’équipe s’est appuyé sur un vaste jeu de données constitué à l’hôpital Addenbrooke de Cambridge : plus de 500 000 images de cellules extraites de frottis sanguins, dont un sous-ensemble a été annoté par des hématologues avec un système indiquant également leur niveau de confiance. Plusieurs bases d’images publiques issues d’autres centres ont complété cet ensemble et permis de tester le modèle dans des conditions très différentes (autres microscopes, autres caméras, autres colorations).

    CytoDiffusion a ensuite été comparé à 2 modèles d’IA couramment utilisés en imagerie médicale. Les auteurs ne se sont pas limités à mesurer son taux de réussite : ils ont évalué aussi sa capacité à gérer l’incertitude, à repérer les images vraiment atypiques ou les cellules rares, et à rester performant même quand très peu d’exemples sont disponibles. Il s’est aussi penché sur les images explicatives générées par l’IA, qui montrent très concrètement quelles parties de la cellule ont guidé son verdict.

    Les résultats de cette étude ont été publiés le 19 novembre 2025 dans Nature Machine Intelligence.

    Résultats : très performant pour repérer les cellules anormales rares

    • Les images générées ressemblent énormément aux vraies. Dix hématologues ont tenté de distinguer de vraies images de celles générées par l’IA, parmi 2 880 clichés. Ils n’ont obtenu que 52 % de bonnes réponses — pratiquement le hasard.
    • Pour classer les cellules, l’IA fait aussi bien ou mieux que les modèles actuels. Sur plusieurs jeux d’images, ses performances sont au niveau des meilleurs algorithmes utilisés aujourd’hui. En conditions difficiles, avec très peu d’images en entrée, elle atteint 96 % de précision moyenne, contre 92 % pour les modèles classiques.
    • Le modèle sait indiquer quand il n’est pas sûr. Quand sa confiance baisse, le risque d’erreur augmente effectivement — ce qui n’est pas toujours le cas des autres IA.
    • Il détecte bien mieux les cellules anormales. Exposé à des cellules qu’il n’avait jamais vues (comme les blasts), CytoDiffusion en repère 90 %. Un modèle comparable n’en détecte que 28 %.
    • Il reste fiable même si les images viennent d’un autre microscope. Testé sur des images issues d’autres appareils ou colorations, il conserve jusqu’à 85 % de précision, contre environ 74 % pour un modèle classique.
    • Il montre clairement ce qui a guidé sa décision. Ses cartes explicatives mettent en avant les zones pertinentes de la cellule (noyau, granulations, cytoplasme), ce qui correspond à l’analyse des hématologues.

    Une automatisation utile pour le triage des images

    Un frottis sanguin contient des milliers de cellules — bien trop pour être examinées intégralement par un humain. « On ne peut pas tout regarder, ce n’est pas possible », prévient Simon Deltadahl, premier auteur de l’étude. « Notre modèle peut automatiser ce travail, traiter les cas courants et signaler les cellules inhabituelles à vérifier. »

    Les résultats obtenus montrent qu’en effet CytoDiffusion pourrait devenir un outil de triage : les cas simples, identifiés avec une forte confiance, pourraient être traités rapidement, tandis que les images incertaines ou atypiques seraient confiées à un hématologue. La capacité du modèle à indiquer ses limites est un élément clé pour une collaboration sûre entre IA et spécialistes. « Quand nous avons vérifié sa précision, le système était légèrement meilleur que les humains », explique Simon Deltadahl. « Mais ce qui l’a vraiment distingué, c’est sa capacité à savoir quand il était incertain. Notre modèle ne se trompe jamais en étant sûr de lui — ce qui, parfois, arrive aux humains. »

    La gestion de l’incertitude, un critère majeur

    L’étude plaide également pour un changement de culture dans l’évaluation des IA médicales. Les auteurs écrivent qu’« une évaluation complète des modèles d’imagerie médicale devrait reposer sur plusieurs critères complémentaires », insistant sur la nécessité d’intégrer la robustesse, la gestion de l’incertitude et la détection d’anomalies dans les validations cliniques. À plus long terme, ils imaginent des modèles capables d’explorer plus finement la diversité réelle des cellules sanguines et de contribuer à une IA plus équitable en santé. Leur ambition est d’atteindre « une fidélité, une souplesse et une conscience métacognitive dépassant celles des humains » dans l’analyse des morphologies cellulaires. Reste à voir comment ces performances se traduiront dans les laboratoires, où les conditions d’imagerie et les pratiques varient considérablement.

     

    * Deep generative classification of blood cell morphology.

    Deltadahl, S., Gilbey, J., Van Laer, C. et al.

    Nat Mach Intell (2025). https://doi.org/10.1038/s42256-025-01122-7 https://www.nature.com/articles/s42256-025-01122-7

     

  • Données financières 2022-2024 des Ehpad : une base CNSA pour comparer marges et résultats

    Une exploitation statistique facilitée

    Les résultats sont agrégés et présentés sans données individuelles par territoire (France, régions, départements) par catégorie d’établissement et par statut juridique (public, privé sans but lucratif, privé commercial). La base comporte les données des trois derniers exercices comptables achevés : 2022, 2023 et 2024. Elle est présentée sous trois approches :

    • Ensemble : avec une catégorisation par type d’établissement ;
    • La base établissement : par type de public (PA, PH, PA/PH), par catégorie d’ESMS et par région ;
    • La base dossier : par région ou statut juridique, tous publics et types d’établissements confondus.

    Les données de la base sont exploitées au travers d’une dizaine d’indicateurs financiers, en particulier :

    • Le taux de capacité d’autofinancement (CAF) : capacité d’autofinancement / total des recettes ;
    • Le taux de marge brute d’exploitation (MBE) : excédent brut d’exploitation (EBE) / total des recettes ;
    • Le taux de résultat net : résultat net / total des recettes.

    La restitution s’effectue par tableau statistique et par histogramme. Les résultats statistiques sont présentés autour de la médiane, du premier et du dernier déciles (D1 et D9), du premier quartile Q1 (valeur en-dessous de laquelle se situent 25% des établissements ayant les indicateurs financiers les plus faibles) et du 3ème quartile Q3 (valeur au-dessus de laquelle se situent 25% des établissements ayant les indicateurs les plus élevés).

    Zoom sur la situation financière des Ehpad

    Concernant une catégorie d’établissement, par exemple les Ehpad, les données du portail permettent de les présenter selon différents critères. Cela permet d’illustrer les ressources du portail et les restitutions possibles en fonction des statistiques financières.

    Les situations financières inégales selon le caractère lucratif ou non des Ehpad

    Le taux de MBE, qui est un indicateur de la santé financière, diffère selon le statut juridique : l’extraction de données correspondante qui figure dans le tableau joint établit un taux d’EBE médian pour tous les Ehpad de 2,4% en 2024, mais de 4,3% pour le privé commercial, de 1,9% pour le privé non lucratif et de 1,8% pour le public.

    Ehpad : taux de MBE selon le statut juridique

    Base établissement / Statut juridique
    Année : 2023
    Indicateur : Taux de marge brute d’exploitation
    Type de public : PA
    Statut juridique Nb D1 Q1 Médiane Q3 D9
    Total – Périmètre sélectionné 6548 -8.2 % -2.7 % 2.4 % 6.9 % 11.1 %
    France – Privé commercial 1688 -11.5 % -2.1 % 4.3 % 9.4 % 13.6 %
    France – Privé non lucratif 2217 -7.5 % -2.7 % 1.9 % 6.3 % 10.2 %
    France – Public 2643 -7.5 % -2.8 % 1.8 % 5.8 % 9.7 %
    Privé commercial 1688 -11.5 % -2.1 % 4.3 % 9.4 % 13.6 %
    Privé non lucratif 2217 -7.5 % -2.7 % 1.9 % 6.3 % 10.2 %
    Public 2643 -7.5 % -2.8 % 1.8 % 5.8 % 9.7 %

    Les disparités régionales

    Le même ratio financier de taux de MBE selon les régions fait ressortir une médiane assez uniforme autour de la valeur moyenne de 3,4% ; la dispersion des résultats permet de discerner les situations particulières, comme en Corse ou en Guadeloupe.

    Ehpad : taux de MBE par région

    Base établissement / Région
    Année : 2024
    Indicateur : Taux de marge brute d’exploitation
    Type de public : PA
    Région Nb D1 Q1 Médiane Q3 D9
    France 6144 -7.3 % -1.3 % 3.4 % 8.0 % 11.8 %
    Total – Périmètre sélectionné 6144 -7.3 % -1.3 % 3.4 % 8.0 % 11.8 %
    Auvergne-Rhône-Alpes 819 -7.7 % -1.7 % 2.8 % 7.0 % 10.7 %
    Bourgogne-Franche-Comté 317 -9.3 % -2.1 % 2.9 % 7.1 % 11.5 %
    Bretagne 389 -4.9 % -1.0 % 2.3 % 6.2 % 9.5 %
    Centre-Val-de-Loire 226 -5.5 % 0.1 % 5.9 % 10.6 % 14.8 %
    Collectivité de Corse 27 -25.5 % -6.2 % 2.1 % 5.4 % 13.4 %
    Collectivités d’Outre-Mer 1 NC NC NC NC NC
    Grand-Est 473 -5.9 % -1.2 % 3.8 % 8.1 % 11.6 %
    Guadeloupe 15 -13.6 % -5.0 % 2.8 % 8.9 % 11.3 %
    Hauts-de-France 459 -7.5 % -1.6 % 3.1 % 7.4 % 11.2 %
    Île-de-France 643 -10.8 % -2.3 % 3.9 % 8.8 % 13.0 %
    La Réunion 15 -3.1 % 0.2 % 4.4 % 9.7 % 11.8 %
    Martinique 8 -6.4 % 2.0 % 4.3 % 5.9 % 7.3 %
    Normandie 312 -5.6 % -0.8 % 3.1 % 7.7 % 11.0 %
    Nouvelle-Aquitaine 773 -7.2 % -1.4 % 3.4 % 7.9 % 11.4 %
    Occitanie 683 -4.0 % 0.5 % 4.8 % 8.6 % 11.9 %
    Pays-de-la-Loire 460 -5.8 % -0.1 % 4.3 % 9.1 % 12.3 %
    Provence-Alpes-Côte d’Azur 524 -11.3 % -3.2 % 3.1 % 8.1 % 12.1 %

    Les Ehpad en difficultés

    Les établissements dont le taux de déficit net est supérieur à 3% des recettes sont considérés par la CNSA comme étant en difficultés. En 2024, 30% des Ehpad étaient dans cette situation, en amélioration par rapport à 2023 (33%). Cela apparaît clairement dans le tableau à la lecture du premier quartile, dans lequel 25% des établissements avaient en moyenne un déficit d’au moins 4,6% et 10% d’au moins 10,2% de leurs recettes.

    Ehpad : taux de résultat net 2024

    Base établissement / Région
    Année : 2024
    Indicateur : Taux de résultat net
    Type de public : PA
    Région Nb D1 Q1 Médiane Q3 D9
    France 6144 -10.2 % -4.6 % -0.2 % 3.0 % 7.0 %
    Total – Périmètre sélectionné 6144 -10.2 % -4.6 % -0.2 % 3.0 % 7.0 %
    Auvergne-Rhône-Alpes 819 -9.9 % -4.9 % -0.7 % 2.4 % 6.7 %
    Bourgogne-Franche-Comté 317 -13.2 % -5.8 % -1.4 % 2.0 % 6.7 %
    Bretagne 389 -6.3 % -3.5 % -0.3 % 2.5 % 5.6 %
    Centre-Val-de-Loire 226 -8.3 % -3.4 % 0.0 % 4.4 % 8.2 %
    Collectivité de Corse 27 -23.3 % -9.9 % 0.2 % 4.0 % 8.9 %
    Collectivités d’Outre-Mer 1 NC NC NC NC NC
    Grand-Est 473 -8.4 % -4.7 % -0.3 % 2.9 % 6.0 %
    Guadeloupe 15 -4.6 % -2.2 % 0.1 % 1.9 % 6.4 %
    Hauts-de-France 459 -10.4 % -4.9 % -0.7 % 3.5 % 7.5 %
    Île-de-France 643 -14.6 % -6.2 % -0.3 % 3.4 % 8.3 %
    La Réunion 15 -8.0 % -4.9 % -0.4 % 2.9 % 4.8 %
    Martinique 8 -0.8 % 0.5 % 1.5 % 3.3 % 4.9 %
    Normandie 312 -8.7 % -4.6 % -0.7 % 2.8 % 8.2 %
    Nouvelle-Aquitaine 773 -9.9 % -4.2 % -0.4 % 2.8 % 6.6 %
    Occitanie 683 -7.3 % -2.8 % 0.2 % 3.3 % 6.7 %
    Pays-de-la-Loire 460 -7.8 % -3.8 % 0.0 % 2.3 % 5.5 %
    Provence-Alpes-Côte d’Azur 524 -14.4 % -5.5 % 0.2 % 3.8 % 8.3 %

    La même méthode d’analyse s’applique à toutes les catégories d’établissements ou services médicosociaux.

    Pour aller plus loin :

    CNSA : Situation financière des ESMS :

    https://cnsa-apps.shinyapps.io/Situation_financiere_des_ESMS/

     

  • Du dépistage vocal aux pancréas artificiels : les nouvelles frontières de l’IA appliquée au diabète

    Insights:

    • 315 études scientifiques consacrées au diabète et à l’IA ont été publiées en 2025, révélant un fort intérêt scientifique pour cette thématique.
    • L’IA atteint une sensibilité moyenne de 90% (soit 10% de faux négatifs) et une spécificité de 0,94% (6% de faux négatifs) pour le dépistage de la rétinopathie diabétique, égalant ou dépassant les performances des ophtalmologistes.

    📌Diabète en France : 4,36 millions de patients, 10,9 milliards d’euros et une explosion des complications

    En France, 4 364 820 personnes sont prises en charge pour un diabète en 2023, soit 6,48 % de la population, contre 5,6 % en 2015, sur fond d’épidémie mondiale; le nombre diabétique à l’échelle mondiale passant de 537 millions de diabétiques en 2021 à 783 millions attendus en 2045. Le diabète représente 10,925 milliards d’euros de dépenses remboursées par l’Assurance maladie en 2023, dont 8,889 milliards en soins de ville, avec plus de 33 902 décès en 2024 et jusqu’à 85 000 décès selon certaines estimations. La maladie se révèle massivement polypathologique : 15 % des patients présentent une coronaropathie, 12 % une maladie respiratoire chronique, 10 % sont sous antidépresseurs ou anxiolytiques, et les complications cardiovasculaires, rénales, oculaires et podologiques sont très fréquentes. Les inégalités sociales et territoriales sont marquées, avec des prévalences pouvant atteindre 11,72 % en Guadeloupe, tandis que 54 % des Français n’ont jamais fait de dépistage et que 35 % des patients jugent leur diagnostic trop tardif.

    👉 Plus de détails sur «Diabète : 4,36 millions de patients, 6,48 % de la population… une épidémie silencieuse, polypathologique et coûteuse – Health & tech».

    📌IA et diabète : 315 études en 2025, 45 % sur le dépistage automatique et une percée de la rétinopathie

    En 2025, 315 publications scientifiques consacrées au diabète montrent une montée en puissance de l’IA sur l’ensemble du parcours de soins, dont près de 45 % dédiées au dépistage et au diagnostic automatique par imagerie, et environ 25 % à la prédiction du risque et du pronostic. Les modèles de deep learning atteignent une sensibilité moyenne de 90% et une spécificité de 94% pour la rétinopathie diabétique, avec des précisions avoisinant 94,8 % pour certains modèles hybrides CNN‑Transformers. L’IA est également mobilisée pour le pied diabétique (précision autour de 88 % sur la classification d’ulcères), la prévision de la glycémie (RMSE moyen de 12 mg/dL avec CGM), la personnalisation thérapeutique (réduction de 18 % des hypoglycémies et +12 % d’atteinte des cibles d’HbA1c) et l’amélioration de l’adhésion médicamenteuse. L’essor des modèles génératifs et des LLM ouvre de nouveaux usages (données synthétiques, assistants conversationnels), tout en posant des enjeux de biais, de transparence et de gouvernance, avec moins de 40 % des études déclarant un audit systématique des biais.

    👉 Plus de détails sur «Diabète & IA : 315 études publiées en 2025 confirment l’essor des usages cliniques à grande échelle (revue de littérature) – Health & tech».

    📌Boucles semi‑fermées et CGM : Omnipod 5–Freestyle Libre 2 Plus désormais remboursé, DBLG2 et SmartGuide certifiés CE

    Un arrêté du 28 octobre 2025 étend le remboursement du système de boucle semi‑fermée Omnipod 5 lorsqu’il est associé au capteur Freestyle Libre 2 Plus, et non plus seulement au Dexcom G6, permettant aux patients diabétiques de type 1 d’accéder à un couple pompe‑capteur entièrement pris en charge. Le Freestyle Libre 2 Plus, capteur de 15 jours de port, est ainsi pour la première fois reconnu dans une boucle semi‑fermée remboursée, tandis que la HAS a actualisé en juillet 2025 le guide de parcours de soins du DT2 en intégrant la télésanté, des check‑lists opérationnelles et des fiches pratiques (dont prévention du pied à risque). Parallèlement, Roche a obtenu en 2024 le marquage CE pour Accu‑Chek SmartGuide, CGM de 14 jours porté en continu, et Diabeloop a décroché en août 2025 la certification CE MDR pour son nouveau système de boucle fermée hybride DBLG2, utilisant smartphone et lancements progressifs en Europe. Ces évolutions réglementaires élargissent l’arsenal technologique disponible, réduisent la barrière financière à l’accès aux systèmes d’insulinothérapie automatisée et favorisent une prise en charge plus connectée et coordonnée.

    👉 Plus de détails sur «Evolution réglementaire de la prise en charge du diabète : remboursement de Freestyle Libre 2 Plus et Omnipod 5 – Health & tech».

    📌Diabeloop : 25 M€ levés mais procédure de sauvegarde, tandis que SMARTDIABETES obtient 1,15 M€ européens

    Diabeloop, entreprise grenobloise de boucle fermée, a levé 25 millions d’euros en 2024‑2025 (dont un tour de 15 millions au printemps 2024) et affiche une croissance de chiffre d’affaires de +60 % sur un an, tout en restant lourdement endettée, ce qui l’a conduite à engager une procédure de sauvegarde en octobre 2025 pour rééchelonner sa dette. Malgré l’obtention du marquage CE MDR pour DBLG2 en août 2025 et un objectif de 40 millions d’euros de chiffre d’affaires d’ici 2030, la société doit adapter son modèle financier pour consolider sa trajectoire. En parallèle, le projet européen SMARTDIABETES reçoit une subvention de 1,15 million d’euros d’EIT Health dans le cadre des Flagships 2025 pour déployer un modèle de gestion intégrée du diabète, adossé à la plateforme SocialDiabetes, dans quatre systèmes de santé. Ce financement vise à expérimenter une approche value‑based healthcare, combinant résultats cliniques améliorés et maîtrise des coûts, en s’appuyant sur un consortium mêlant industriels, experts et représentants de patients coordonnés par SocialDiabetes et Air Liquide Healthcare.

    👉 Plus de détails sur «Financement européen pour SMARTDIABETES et procédure de sauvegarde pour Diabeloop – Health & tech».

    📌19 cas d’usage IA et télésurveillance : dépistage vocal à 70 %, 20 solutions et 3 axes stratégiques pour le diabète

    Health&Tech Intelligence a recensé 19 cas d’usage du diabète portés par 20 solutions d’IA, répartis entre 12 cas pour les établissements de santé et 7 pour les patients et aidants, couvrant dépistage, traitement personnalisé, télésurveillance et éducation. Parmi les innovations marquantes figurent le dépistage du diabète par analyse vocale sur smartphone avec une précision de 70‑75 %, l’automatisation de l’insulinothérapie via pompes connectées, le tri IA des images rétiniennes et du pied diabétique, ainsi que la télésurveillance continue des biomarqueurs à domicile. La structuration des usages repose sur trois axes principaux : prévention (dépistage massif non invasif par image ou voix, prédiction cardiovasculaire), suivi personnalisé (algorithmes embarqués, vision mobile de l’œdème maculaire, capteurs multiples) et éducation/accompagnement (coaching nutritionnel, détection de la souffrance psychique, vulgarisation automatisée des rapports biologiques). Ces solutions ouvrent des leviers stratégiques de dépistage à grande échelle, d’anticipation des complications, de personnalisation dynamique du parcours et de transformation organisationnelle, tout en soulevant des enjeux de fiabilité technique, de gestion de volumes de données, d’adhésion des patients et d’équité d’accès.

    👉 Plus de détails sur «Diabète : 19 cas d’usage portés par l’IA et la télésurveillance – Health & tech».

    📌Prédiction à 94 %, pancréas artificiel et DTx : comment l’IA redessine la prise en charge du diabète

    Les modèles d’IA atteignent plus de 94 % de précision pour prédire la survenue du diabète en soins primaires, jusqu’à 96,3 % avec des approches telles que DiabDeep, en exploitant images de langue, visage, signaux PPG, ECG ou voix, au‑delà des scores classiques. L’IA affine la classification en cinq sous‑types de DT2 (SAID, SIDD, SIRD, MORD, MARD) et plusieurs profils de DT1, à partir de 8 980 patients, ouvrant la voie à des stratégies thérapeutiques ciblées selon risques et trajectoires. Les systèmes de pancréas artificiel et boucles hybrides ajustent l’insuline toutes les 5 à 10 minutes, réduisent l’HbA1c de 0,6 point et augmentent le temps dans la cible d’environ 11 %, tandis que des outils de reconnaissance d’images pour le comptage des glucides, de coaching nutritionnel et de chatbots personnalisent alimentation et activité. L’écosystème comprend des DTx (Hillo, Oviva), des solutions d’autosurveillance (DiabetoLog, Beato), de télésurveillance (Livongo, Odysight, E‑ophtalmo), de dépistage et tri rétinien (EviRed, OphtAI), de boucles hybrides et d’aide à l’insulinothérapie (MiniMed 780G, Axodiab), ainsi que des outils d’observance (SPUR, Smart Reports) et de prévention populationnelle (Colive Voice, THEIA/CLAiR), couvrant du dépistage de masse au suivi à domicile.

    👉 Plus de détails sur «Prédiction, classification, suivi : les solutions d’IA appliquées au diabète – Health & tech».

    📌Plus de 100 acteurs du diabète en France : un écosystème coordonnant soins, recherche, numérique et plaidoyer

    L’écosystème français du diabète regroupe plus d’une centaine d’acteurs : près d’une centaine de services hospitaliers spécialisés (surtout des CHU), un maillage de maisons de santé pluriprofessionnelles, plus de 100 associations locales affiliées à la Fédération Française des Diabétiques, ainsi que des institutions comme la SFD, la FFRD, l’Inserm et l’Institut Pasteur. Cette constellation organise prévention, dépistage, ETP, accompagnement des patients et coordination des soins, en s’appuyant sur des équipes pluridisciplinaires (endocrinologues, diététiciens, podologues, psychologues) et des dispositifs innovants (centres de prévention du pied diabétique, plateformes de télésurveillance, dispositifs connectés). La recherche et la formation sont structurantes : la SFD, la FFRD, l’Inserm, l’EASD, l’IDF ou l’OMS soutiennent des travaux allant des facteurs environnementaux à l’immunothérapie, tandis que plusieurs universités proposent des DU spécialisés et que des ARS pilotent des programmes de formation et d’ETP en région. À l’international, l’IDF, l’EASD et l’OMS coordonnent campagnes, recommandations et actions dans les pays en développement, pour réduire les inégalités d’accès aux soins dans un contexte où le nombre de patients a été multiplié par 5 en moins de 50 ans.​

    👉 Plus de détails sur «Diabète : associations locales, universités, services spécialisés, entreprises du numérique… plus de 100 acteurs qui agissent conjointement sur le territoire – Health & tech».

    Visuel synthèse IA et diabète @HTI

  • Evolution réglementaire de la prise en charge du diabète : remboursement de Freestyle Libre 2 Plus et Omnipod 5

    • Un arrêté du 28 octobre 2025 ouvre le remboursement de la boucle semi‑fermée Omnipod 5 lorsqu’elle est couplée au capteur Freestyle Libre 2 Plus d’Abbott, en plus du Dexcom G6 déjà pris en charge.​
    • Le capteur Freestyle Libre 2 Plus devient, pour la première fois, remboursable en France dans une boucle semi‑fermée de traitement automatisé du diabète de type 1.​
    • La Haute Autorité de santé (HAS) a actualisé en juillet 2025 son guide de parcours de soins pour le diabète de type 2, en intégrant clairement la télésanté et des outils pratiques (check‑lists, fiches conseils).​
    • Le système de CGM Accu‑Chek SmartGuide de Roche a obtenu le marquage CE en juillet 2024, avec un déploiement progressif en Europe et une durée de port de 14 jours.​
    • Diabeloop a obtenu en août 2025 le marquage CE pour son nouveau système de boucle fermée hybride DBLG2, utilisable sur smartphone, avec un lancement progressif en Europe (Allemagne, Pays‑Bas, puis France).​

    Extension du remboursement d’Omnipod 5

    Un arrêté du ministère de la Santé en date du 28 octobre 2025 modifie les conditions d’inscription du système de boucle semi‑fermée Omnipod 5 sur la liste des produits et prestations remboursables (LPP). Jusqu’ici, en configuration boucle semi‑fermée, Omnipod 5 n’était remboursé que lorsqu’il était associé au capteur Dexcom G6 ; le nouveau texte ouvre la prise en charge à l’association avec le capteur Freestyle Libre 2 Plus d’Abbott.​ Cette décision permet le remboursement simultané de la pompe patch Omnipod 5 et du capteur Freestyle Libre 2 Plus dans un schéma de traitement automatisé du diabète de type 1. La prise en charge devient effective quelques jours après la publication au Journal officiel (fin octobre 2025), ce qui élargit concrètement les options techniques disponibles pour les patients et leurs diabétologues.​

    Inscription du capteur Freestyle Libre 2 Plus

    Pour la première fois, le capteur de mesure du glucose interstitiel Freestyle Libre 2 Plus d’Abbott est explicitement inscrit pour un usage en association avec une boucle semi‑fermée dans le cadre du remboursement. Ce capteur, qui se distingue notamment par une durée de port de 15 jours, devient ainsi une nouvelle alternative aux systèmes déjà compatibles avec les boucles automatisées, comme le Dexcom G6.​ En pratique, les patients atteints de diabète de type 1 peuvent désormais bénéficier d’un dispositif associant pompe Omnipod 5 et capteur Abbott dans un environnement remboursé, ce qui réduit la barrière financière à l’accès à ces technologies avancées. Cette évolution s’inscrit dans le mouvement plus large d’extension du remboursement des boucles semi‑fermées et des capteurs de glucose intégrés dans des systèmes d’insulinothérapie automatisée.​

    Actualisation du guide HAS pour le diabète de type 2

    En juillet 2025, la HAS a publié une actualisation de son guide de parcours de soins pour le patient adulte vivant avec un diabète de type 2. Ce document complète les recommandations de stratégie thérapeutique antérieures et décrit de manière détaillée le dépistage, le diagnostic, les soins, l’accompagnement global et le suivi longitudinal de cette pathologie chronique.​ Le guide précise la répartition des rôles entre les différents professionnels (médecine générale, diabétologie, secteur social et médico‑social) ainsi que les modalités de coordination, y compris l’usage de la télésanté à chaque étape du parcours. Il propose en outre des outils très opérationnels pour les équipes, comme des check‑lists pour le bilan initial et le suivi, des fiches de conseils alimentaires et une fiche dédiée à la prévention du pied à risque.​

    Marquage CE d’Accu‑Chek SmartGuide (Roche)

    Le système de surveillance continue du glucose Accu‑Chek SmartGuide de Roche a obtenu le marquage CE à l’été 2024, avant un lancement progressif en Europe à partir de fin 2024 et sur l’année 2025. Destiné aux adultes atteints de diabète de type 1 ou 2 sous insulinothérapie flexible, ce dispositif combine un capteur porté en continu et des algorithmes prédictifs basés sur l’intelligence artificielle pour anticiper les fluctuations glycémiques.​ La durée de port du capteur est annoncée à 14 jours, ce qui le situe parmi les dispositifs à longue durée d’utilisation sur le marché, et Roche prévoit une commercialisation dans plus de 30 pays d’ici fin 2025, incluant plusieurs régions d’Europe. Le système est également conçu pour s’intégrer avec des solutions logicielles (comme l’app mySugr) afin d’améliorer l’aide à la décision pour les patients et les soignants.​

    Marquage CE de DBLG2 (Diabeloop)

    En août 2025, Diabeloop a obtenu le marquage CE, dans le cadre du Règlement européen sur les dispositifs médicaux (MDR 2017/745), pour son système de boucle fermée hybride de nouvelle génération DBLG2. Ce nouveau système repose sur l’algorithme déjà éprouvé avec DBLG1, mais apporte une évolution majeure avec la possibilité d’un usage directement sur smartphone via une interface optimisée.​ Le DBLG2 doit faire l’objet d’un lancement progressif en Europe, débutant par un pré‑lancement en Allemagne et aux Pays‑Bas avec la pompe Kaleido de Vicentra et le capteur Dexcom G6, avant une extension à d’autres pays dont la France, en fonction des procédures de remboursement locales. Diabeloop prévoit également d’intégrer d’autres capteurs et systèmes d’exploitation, avec un élargissement progressif de ses partenariats industriels autour de cette nouvelle génération de boucle fermée.​

    Sources

    • Arrêté du 28 octobre 2025 portant modification des conditions d’inscription du système de boucle semi‑fermée Omnipod 5 sur la LPP.​
    • Fédération Française des Diabétiques, information sur le remboursement d’Omnipod 5 avec Freestyle Libre 2 Plus.​
    • HAS – Parcours de soins du patient adulte vivant avec un diabète de type 2(guide actualisé, validé en juin 2025, mis en ligne en juillet 2025).​
    • Roche – marquage CE et caractéristiques du système Accu‑Chek SmartGuide.​
    • Communiqué Diabeloop sur la certification CE de DBLG2 et son déploiement européen.​

     

  • Prédiction, classification, suivi : les solutions d’IA appliquées au diabète

    L’IA dépasse 94% de précision pour prédire le diabète en soins primaires

    La multiplication des données de santé, issues de la biologie, de l’imagerie et des capteurs, ouvre de nouvelles perspectives pour la prédiction du diabète. L’IA exploite ces flux d’informations pour identifier précocement les patients à risque et ajuster les stratégies de prévention. En août 2024, une synthèse publiée dans The Lancet Diabetes & Endocrinology décrit le potentiel des réseaux neuronaux et des techniques d’apprentissage profond dans la détection du diabète de type 1 et de type 2. En soins primaires, les modèles d’IA prévoient la survenue d’un diabète avec une précision supérieure à 94 %, dépassant les modèles statistiques traditionnels. Des études chinoises et américaines ont testé de nouvelles modalités de dépistage à partir d’images de la langue, du visage ou de signaux biométriques tels que la photopléthysmographie et l’électrocardiogramme. Le modèle DiabDeep, développé à l’Université de Princeton, a atteint une exactitude de 96,3 % pour distinguer patients diabétiques et non diabétiques. En 2024, une étude canadienne publiée dans Scientific Reports a exploré l’analyse de la voix par IA, révélant des variations corrélées à la glycémie.

    L’IA affine la classification du diabète en 5 sous‑types et 7 profils DT1

    L’intelligence artificielle permet également une stratification plus fine des formes de diabète et du prédiabète. Des approches de clustering et d’apprentissage supervisé relient profils biocliniques, dynamiques glycémique et risques, avec des perspectives de traitements ciblés. Une cohorte suédoise de 8 980 patients récemment diagnostiqués a permis, dès 2018, d’identifier cinq clusters à partir d’anticorps anti‑GAD, âge, IMC, HbA1c et HOMA. L’algorithme a distingué SAID, SIDD, SIRD, MORD et MARD, avec des trajectoires et risques de complications différenciés dès le diagnostic. Cette classification propose une orientation thérapeutique plus précise que la répartition binaire, en intégrant auto‑immunité, déficit insulinique, résistance à l’insuline, obésité et âge.

    Prédiction des valeurs, personnalisation du traitement, assistance nutritionnelle : de nouveaux outils pour la prise en charge du diabète

    Ces études permettent de développer des solutions d’IA et d’améliorer la prise en charge du diabète en intégrant capteurs, algorithmes prédictifs et outils de suivi à distance. Les technologies modifient la pratique médicale et l’autonomie des patients. La gestion du diabète implique un contrôle constant de la glycémie et une administration adaptée de l’insuline. Les algorithmes d’IA optimisent ces paramètres par l’analyse continue de données issues de dispositifs connectés, ce qui facilite la régulation et la prévention des complications.

    Cibles des solutions d’IA appliquées au diabète : 

    • Diminution du temps hors cible : Des modèles issus des systèmes de surveillance continue du glucose (CGM) et dossiers médicaux prédisent les variations glycémiques jusqu’à 3 heures, avec bonne sensibilité et spécificité pour l’hypoglycémie. L’intégration au suivi permet ajustements proactifs des doses, planification de l’activité et gestion des repas.
    • Pancréas artificiel et prédiction : Les systèmes associent pompe, CGM et algorithme pour maintenir la glycémie dans la cible. Les AID ajustent la basale toutes les 5–10 minutes, appliquent des corrections et suspendent en cas de risque d’hypoglycémie. Un CGM avancé alerte jusqu’à 1 heure avant. Un pancréas bionique basé sur le poids supprime la saisie des glucides et, à 13 semaines, réduit l’HbA1c de 0,6 point et augmente le temps dans la cible d’environ 11%.
    • Alimentation, activité, glycémie : La reconnaissance d’images automatise le comptage des glucides. Le coaching avec IA adapte conseils nutritionnels, rappels et observance. Les applications combinent glycémie et habitudes de vie pour des recommandations personnalisées, avec chatbots nutritionnels pour des menus adaptés.
    • Détection des anomalies en temps réel (ex : rétinopathie diabétique) : Les dispositifs connectés analysent en continu les données, déclenchent des alertes et soutiennent le triage. Des systèmes diagnostiquent précocement la rétinopathie par analyse d’images rétiniennes.
    • Néphropathie diabétique : Des modèles combinant données cliniques et imagerie rétinienne dépassent les scores rénaux classiques. Une étude multicentrique 2024 sur >26 000 images ultra grand‑angle montre une meilleure détection, y compris avec images de moindre qualité.

    DTx et IA : de nouvelles approches pour le suivi personnalisé du diabète

    Plusieurs entreprises proposent des thérapies digitales dédiées à la prise en charge du diabète. Ces solutions, mêlent données issues des capteurs, algorithmes prédictifs et outils de télésuivi, pour renforcer l’autonomie des patients et améliorer les modèles de soins.

    Les thérapies digitales (DTx) s’imposent progressivement dans la gestion du diabète. Ces DTx associent montres connectées, capteurs et applications mobiles pour accompagner les patients diabétiques de type 1 ou 2 dans le suivi de leur glycémie. Certaines entreprises exploitent les bénéfices de l’intelligence artificielle afin d’anticiper les fluctuations glycémiques. C’est le cas de l’application Hillo, qui synchronise les données issues de la pompe à insuline, du capteur de glycémie et du traqueur d’activité. D’autres, comme Oviva (DTx développé par Oviva AG) utilise l’IA pour fournir des recommandations d’alimentation personnalisées et adaptées aux patients diabétiques.

    Autre solution SPUR, d’Observia, un outil numérique fondé sur les sciences comportementales qui permet d’évaluer l’adhésion thérapeutique des patients. Il établit des profils comportementaux à partir de quatre dimensions et treize facteurs influençant l’observance. Cette approche prédictive aide à identifier les risques de non-adhérence et à formuler des recommandations personnalisées. SPUR est utilisé en recherche, en clinique et dans l’amélioration de l’expérience patient.

    De l’autosurveillance au dépistage : l’IA redessine le suivi du diabète

    Les outils d’autosurveillance constituent la catégorie la plus représentée après les DTx. Des solutions recensées permettent de digitaliser le carnet d’autosurveillance traditionnel. Des acteurs comme Cubesoft avec DiabetoLog ou Beato proposent des interfaces combinant carnet de bord, glucomètre et suivi des apports en glucides. Ces dispositifs favorisent un suivi autonome du diabète. En complément, sept solutions de télésurveillance permettent un encadrement à distance supervisé par des équipes médicales. Teladoc Health, via son outil Livongo, intègre accompagnement personnalisé et recommandations thérapeutiques. Medtronic utilise l’IA pour anticiper les déséquilibres glycémiques. La prévention des complications et le diagnostic précoce sont des usages appliqués au diabète. Des dispositifs dotés de fonctions de mesure et d’analyse contribuent par exemple à détecter les complications et pathologies associées, notamment dans les maladies oculaires. E-ophtalmo déploie une plateforme de télé-expertise dédiée au dépistage de la rétinopathie diabétique, pathologie fréquente chez les patients de longue durée. Aussi, Odysight (Tilak Healthcare) permet de suivre, via une application mobile, le suivi des maladies rétiniennes. La technologie intègre des tests visuels (acuité, grille d’Amsler) et un algorithme qui mesure par exemple la distance oeil-écran. Le système alerte les médecins et ophtalmologues en cas de baisse visuelle. Un tableau de bord permet de suivre l’évolution.

    Solutions pour : le dépistage et l’imagerie rétinienne

    La solution EviRed avec l’AP‑HP–Fondation Rothschild pour optimiser le tri et la priorisation des patients en ophtalmologie

    Le dépistage assisté par IA structure un flux de lecture standardisé et rapide des imageries rétiniennes, avec des algorithmes entraînés sur photographies fond d’œil, ultra grand champ et OCT‑A. Des établissements hospitaliers français, dont Lariboisière (AP‑HP), la Fondation Rothschild, la Pitié‑Salpêtrière et le CHU de Bordeaux, se positionnent sur des projets combinant classification, tri et prédiction d’évolution de la rétinopathie diabétique, afin d’orienter le suivi et d’optimiser les rendez‑vous en ophtalmologie.

    • EviRed, dans sa déclinaison projet conduite avec des équipes de l’AP‑HP et de la Fondation Rothschild, fusionne caractéristiques visuelles multi‑modalités et données cliniques pour produire une évaluation de risque évolutif. L’usage attendu en service vise un tri plus efficace des patients, une priorisation adaptée aux profils à risque, une réduction des visites non nécessaires et une aide à la décision pour les praticiens. Les sites mentionnés ancrent le projet dans des conditions réelles de soins avec des volumes d’images validées et un objectif de déploiement territorial.
    • OphtAI déploie une détection IA de la rétinopathie diabétique et d’autres atteintes rétiniennes, avec des références au CHU de Brest et à la Clinique Honoré Cave. L’ambition porte sur un dépistage plus précoce, une diminution des coûts d’un diagnostic manuel et une accélération de l’analyse, afin d’augmenter la capacité de prise en charge. L’assistance à la décision complète la chaîne du dépistage au suivi. Les bénéfices observés dans cette catégorie concernent l’augmentation de la capacité de screening et la réduction du temps d’analyse, l’anticipation de l’évolution des lésions et le tri par niveau de risque. La continuité domicile‑hôpital progresse via la télésurveillance visuelle (Odysight) tandis que des projets de très haute résolution (RetiCell) et des estimations de risque cardio‑vasculaire à partir d’images rétiniennes (THEIA/CLAiR) élargissent les usages au‑delà de l’ophtalmologie stricto sensu.

    Solutions pour : les boucles hybrides et l’insulinothérapie

    Les solutions connectées Medtronic et Axodiab optimisent la gestion du diabète

    Les systèmes d’administration d’insuline couplés au suivi glycémique en continu automatisent une partie des décisions grâce à des algorithmes adaptatifs. L’objectif est de personnaliser la délivrance d’insuline, de lisser les fluctuations glycémiques et de réduire la charge mentale liée à l’autogestion, tout en facilitant la coordination entre patient, équipe d’éducation thérapeutique et spécialistes.

    • La MiniMed 780G de Medtronic combine pompe, CGM et algorithme SmartGuard pour ajuster l’insuline toutes les cinq minutes avec une cible paramétrable jusqu’à 100 mg/dL. Des bénéfices attendus incluent un temps dans la cible, moins d’hyper et d’hypoglycémies, ainsi qu’un allègement du quotidien pour les patients et leurs aidants.
    • Axodiab, orientée vers les professionnels en diabétologie, soutient la gestion des patients DT2 sous schéma basal‑bolus, avec une collaboration au CHU de Reims pour l’interprétation experte à distance. La solution vise une organisation plus structurée des parcours multi‑injections et une articulation plus fluide entre équipes de terrain et expertise spécialisée.  Les bénéfices résident dans l’automatisation sécurisée et la personnalisation thérapeutique, traduites par des gains d’indicateurs glycémiques et une réduction de l’effort cognitif sur la gestion quotidienne. L’intégration aux dispositifs connectés et la remontée de données en temps quasi réel favorisent les ajustements rapides et la continuité de prise en charge entre ville et hôpital.

    Solutions pour : les thérapies numériques et l’observance

    SPUR et Smart Reports améliorent l’adhésion et l’autogestion thérapeutique en diabétologie

    Les solutions numériques thérapeutiques et les outils d’observance se concentrent sur l’éducation, l’accompagnement et la personnalisation des recommandations, appuyés par des moteurs ML/NLP et l’intégration de données cliniques et comportementales. L’enjeu est d’améliorer l’adhésion, de rendre les messages médicaux actionnables, et de fournir aux soignants des informations exploitables dans le temps contraint de la consultation.

    • SPUR d’Observia propose un profilage de l’adhérence à partir de quatre dimensions et treize facteurs, afin d’estimer le risque de non‑adhérence et de générer des recommandations ciblées pour réduire les abandons et améliorer l’alignement entre prescriptions et comportements quotidiens.
    • Smart Reports de Medicus AI interprète des résultats de laboratoire et fournit des explications adaptées au patient grâce à un moteur cardio‑métabolique et à une intégration via API/SDK côté laboratoire. Les effets recherchés couvrent une meilleure compréhension, et un engagement plus fort. Les bénéfices de la catégorie portent sur la réduction des coûts de non‑adhérence, l’amélioration de l’autogestion et la traduction de données techniques en informations utilisables. Les portails cliniciens et les rapports structurés facilitent la décision et resserrent la relation soignant‑patient.

    Solutions pour : la télésurveillance et le suivi à domicile

    Odysight permet un suivi à domicile avec alertes patient‑médecin et dashboard

    La télésurveillance rend possible un suivi fréquent et standardisé des paramètres fonctionnels ou des trajectoires cliniques, avec alertes et tableaux de bord pour les équipes. Elle vise une détection précoce des dégradations et une meilleure préparation des rendez‑vous.

    • Odysight propose des tests visuels à domicile pour pathologies rétiniennes, avec contrôle automatisé de la distance œil‑écran et de la luminosité, notifications vers le patient et l’ophtalmologiste, et un tableau de bord médical. Une étude citée (TIL‑002) documente la concordance des mesures avec les standards ETDRS, et la solution est présentée en classe I.
    • SOPHIA Weight Trajectory Predictor, développé autour de cohortes du CHU de Lille et de validations multi‑sites, calcule une courbe personnalisée de perte de poids sur soixante mois après chirurgie bariatrique à partir de sept variables préopératoires. L’outil accessible en ligne soutient la préparation et le suivi, en ciblant les écarts de trajectoire qui signalent un besoin d’ajustement clinique. Les bénéfices de la catégorie incluent un passage d’actes ponctuels à une observation continue, un repérage plus précoce des signaux faibles et une priorisation plus fine des ressources. La coordination domicile‑hôpital gagne en efficacité grâce aux notifications automatisées et à la visualisation de tendances utilisables en consultation.

    Solutions pour : la prévention et le dépistage populationnels

    Colive Voice analyse la voix pour repérer le DT2

    Les approches de prévention et de dépistage à large échelle exploitent des modalités non invasives ou peu contraignantes, afin d’identifier précocement des sujets à risque métabolique et cardio‑vasculaire. L’objectif est de réduire les barrières d’accès, le coût unitaire de dépistage et les délais d’orientation vers le diagnostic et le soin.

    • Colive Voice s’appuie sur des biomarqueurs vocaux et des algorithmes d’apprentissage pour un dépistage du DT2 non invasif, avec un ancrage au Luxembourg Institute of Health. L’usage visé concerne des populations larges et des contextes où l’accessibilité des examens classiques est limitée, pour une première stratification des risques.
    • THEIA/CLAiR, déployé au Middlemore Eye Hospital (Auckland), automatise, en quelques secondes, l’analyse rétinienne pour signes de diabète et propose une estimation du risque cardio‑vasculaire à cinq ans. Les effets attendus incluent une hausse de la capacité de screening et une réduction des coûts de main‑d’œuvre, avec un positionnement à l’interface entre ophtalmologie et prévention cardio‑métabolique. Les bénéfices de la catégorie se matérialisent par des trajectoires de soins plus courtes entre repérage et confirmation diagnostique, un tri précoce des individus à haut risque et une meilleure allocation des capacités cliniques. La complémentarité avec les chaînes d’imagerie et de télésurveillance renforce l’efficacité populationnelle des parcours.

     

    @helene-barberoussedeuxiemeavis-fralth & Tech Intelligence

    <span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span><span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span><span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span>

  • Diabète & IA : 315 études publiées en 2025 confirment l’essor des usages cliniques à grande échelle (revue de littérature)

    315 études : l’IA s’installe à tous les étages du parcours diabétique 

    Ce corpus mondial illustre un écosystème de recherche actif, où se côtoient études cliniques, analyses de performance, innovations algorithmiques et revues de littérature. La répartition thématique des travaux publiés en 2025 se structure autour de six grandes catégories :

    • Dépistage et diagnostic automatique : près de 45 % des publications portent sur l’usage du deep learning pour l’interprétation d’images médicales — principalement la rétinopathie diabétique, mais aussi la néphropathie, les lésions cutanées et les anomalies cardiovasculaires. Ces études valident la capacité de l’IA à égaler, voire dépasser, les performances humaines dans le tri des images de dépistage.
    • Prédiction, pronostic et stratification du risque : environ 25 % des articles explorent l’IA pour anticiper les hypo-/hyperglycémies, la progression des complications ou le risque cardiovasculaire. Les modèles les plus utilisés : random forest, XGBoost et réseaux neuronaux récurrents appliqués aux données de suivi glycémique en continu (CGM).
    • Optimisation thérapeutique et médecine personnalisée : près de 15 % des publications visent à adapter les traitements insuliniques ou oraux grâce à des modèles prédictifs intégrant CGM, nutrition et activité. Les systèmes en boucle fermée (“closed-loop”) dominent cette catégorie, avec des essais cliniques associant IA et pompes connectées.
    • Surveillance, télémédecine et parcours connectés : environ 10 % des études décrivent des dispositifs de télésurveillance intelligente, d’aide à la décision clinique ou de coaching numérique pour le suivi quotidien. Ces solutions combinent souvent machine learning et traitement du langage naturel pour l’analyse des journaux de soins.
    • Sciences des données, équité et gouvernance : autour de 5 % du corpus interroge la qualité des données, les biais algorithmiques, la transparence et les cadres réglementaires. On y retrouve des analyses méthodologiques, des travaux sur l’explicabilité (explainable AI) et des études d’acceptabilité clinique.
    • IA générative et modèles de langage (LLM) : une minorité mais en forte croissance (environ 3 % des articles, contre moins de 1 % en 2024) explore les usages des modèles génératifs pour créer des données synthétiques, simuler des trajectoires glycémie-insuline ou concevoir des assistants cliniques conversationnels.

    Rétinopathie : l’IA dépasse la performance humaine

    La rétinopathie diabétique (DR) reste le terrain le plus avancé. Une méta-analyse publiée dans Frontiers in Medicine (Tahir HN et al., 2025) compare plus de 80 modèles de dépistage automatisé et conclut à une sensibilité moyenne de 0,90 et une spécificité de 0,94, soit une performance équivalente, voire supérieure, à celle des ophtalmologistes en lecture manuelle. Les architectures dominantes : réseaux de neurones convolutionnels (CNN) et Vision Transformers, couplés à des modules explicables (Grad-CAM, LIME).

    Dans une autre revue systématique (International Ophthalmology, Rahmati M et al., 2025), l’intégration de l’IA dans les programmes de dépistage nationaux améliore de +89 % la prise de rendez-vous de suivi post-triage. Au-delà du diagnostic, ces outils participent donc à l’adhésion au parcours de soin.

    Enfin, Survey of Ophthalmology (Alshammari RD et al., 2025) souligne la montée des modèles hybrides CNN + transformers : plus explicables, ils atteignent une précision moyenne de 94,8 % sur des jeux d’images multicentriques, tout en répondant aux exigences de validation externe imposées par la FDA et la CE.

    Pied diabétique : l’imagerie devient prédictive

    Deux revues systématiques en 2025 confirment l’intérêt de l’IA pour le pied diabétique, un domaine historiquement peu exploré. L’étude d’Álvaro-Afonso FJ et al. (Applied Sciences, 2025) évalue un modèle ResNet-50 entraîné sur des radiographies pour détecter l’ostéomyélite. Résultat : sensibilité 92,8 %, valeur prédictive positive 0,97, mais spécificité 4,4 %, montrant la nécessité d’affiner la détection des faux positifs. Une autre revue (Am J Lifestyle Medicine, Fernandez A et al., 2025) recense plus de 25 études de classification automatique d’ulcères à partir de photos : les modèles EfficientNet et DenseNet atteignent une précision moyenne de 88 % pour le repérage des stades lésionnels. Ces travaux annoncent l’émergence de la télésurveillance photo-assistée, prometteuse pour les soins de proximité.

    Monitoring glycémique : des modèles prédictifs de précision

    La revue Cureus (Zhao Y et al., 2025) analyse les modèles de deep learning utilisés pour la prévision de la glycémie à court terme via les capteurs CGM (Continuous Glucose Monitoring). Les algorithmes récurrents (RNN, LSTM) atteignent un RMSE moyen de 12 mg/dL sur des horizons de 30 minutes, contre 18 mg/dL pour les modèles classiques. Dans Journal of Diabetes Science and Technology (Chen L et al., 2025), un modèle d’ensemble XGBoost + CNN prédit les hypoglycémies imminentes avec une AUC de 0,87 et alimente déjà plusieurs projets de boucle fermée intégrée aux pompes à insuline. L’enjeu : passer de la simple prédiction à la personnalisation thérapeutique, en intégrant nutrition, sommeil et activité physique.

    Médecine personnalisée : l’IA comme copilote clinique

    Dans Cureus (Ghosh K et al., 2025), la revue narrative Artificial Intelligence in Personalized Medicine for Diabetes montre que l’IA permet de combiner données CGM, imagerie, et profils comportementaux pour recommander des ajustements thérapeutiques individualisés.
     Les modèles Random Forest, LightGBM et réseaux profonds multimodaux sont les plus utilisés. Les bénéfices : réduction de 18 % des épisodes d’hypoglycémie et gain de 12 % d’atteinte des cibles HbA1c, selon les essais comparatifs inclus. Au-delà des capteurs, certaines études (Li Q et al., Endocrine Practice, 2025) explorent des assistants de prescription basés sur des modèles de langage (LLM) intégrant les recommandations ADA 2025 pour proposer des ajustements thérapeutiques en temps réel.

    Générative et LLM : la nouvelle couche d’intelligence

    L’année 2025 marque l’entrée de l’IA générative dans le champ du diabète. Une revue publiée dans iScience (Generative Artificial Intelligence in Diabetes Healthcare, Kumar S et al., 2025) décrit l’usage des GAN et des modèles de diffusion pour créer des données synthétiques d’imagerie rétinienne et de capteurs glycémiques. Ces jeux de données artificiels réduisent les biais démographiques et améliorent la robustesse des modèles existants. De son côté, Annals of Translational Medicine (Bianchi F et al., 2025) recense les premières applications des Large Language Models (LLM) en diabétologie : génération automatique de comptes-rendus de consultation, tri de littérature scientifique et accompagnement virtuel des patients via assistants conversationnels.
     Les auteurs appellent toutefois à une gouvernance renforcée : traçabilité des sources, validation clinique et supervision humaine obligatoire.

    Équité et transparence : une exigence renforcée

    La revue systématique Healthcare (Basel) (Al-Qaysi Z et al., 2025) passe en revue 33 études sur l’IA en diabète pédiatrique et souligne des biais récurrents liés à l’âge, au sexe et à l’origine ethnique. Moins de 40 % des publications analysées mentionnent un protocole d’audit de biais, et seules 18 % utilisent des méthodes d’IA explicable (XAI). Les auteurs appellent à la standardisation des rapports selon les cadres CONSORT-AI et TRIPOD-AI. Ces recommandations s’imposent progressivement comme critères d’évaluation dans les appels d’offres hospitaliers et les projets européens Horizon Health 2025.

    Adhésion thérapeutique : un levier d’efficience mesurable

    L’étude systématique Technology and Health Care (Martinez R et al., 2025) montre comment le machine learning prédit les ruptures d’observance médicamenteuse chez les diabétiques T2D.
     Les modèles les plus performants (SVM, XGBoost) atteignent une AUC de 0,89 pour identifier les patients à risque de non-adhésion dans les 3 mois suivant l’initiation du traitement.
     Les variables prédictives : fréquence des renouvellements d’ordonnance, messages non lus sur les plateformes, et enregistrements d’autosurveillance glycémique.
     Résultat : les interventions ciblées fondées sur ces prédictions réduisent de 23 % les décompensations aiguës hospitalières.

    Bibliographie — Sélection 2025 (revues de littérature et études citées)

    • Tahir HN et al. Artificial Intelligence versus Manual Screening for the Detection of Diabetic Retinopathy: A Systematic Review and Meta-Analysis. Front Med. 2025. doi: 10.3389/fmed.2025.01432.

    • Rahmati M et al. AI Improves Follow-Up Appointment Uptake in Diabetic Retinopathy Screening. Int Ophthalmol. 2025. doi: 10.1007/s10792-025-03128-8.

    • Alshammari RD et al. Diagnostic Accuracy of AI or Deep Learning-Enhanced Technologies in Diabetic Retinopathy Detection. Survey Ophthalmol. 2025. doi: 10.1016/j.survophthal.2025.101028.

    • Álvaro-Afonso FJ et al. Using Artificial Intelligence for Detecting Diabetic Foot Osteomyelitis in Plain Radiographs. Appl Sci. 2025. doi: 10.3390/app15158583.

    • Fernandez A et al. AI for Diabetic Foot Ulcer Classification: A Systematic Review. Am J Lifestyle Med. 2025. doi: 10.1177/1559827625134868.

    • Zhao Y et al. Deep Learning Models for Glycemic Prediction Using Continuous Glucose Monitoring Data: Systematic Review. Cureus. 2025. doi: 10.7759/cureus.62417.

    • Chen L et al. Machine Learning for Prediction of Hypoglycemia in Type 1 Diabetes: A Systematic Review. J Diabetes Sci Technol. 2025. doi: 10.1177/1932296825132015.

    • Ghosh K et al. Artificial Intelligence in Personalized Medicine for Diabetes Mellitus: A Narrative Review. Cureus. 2025. doi: 10.7759/cureus.61743.

    • Li Q et al. AI-Assisted Therapeutic Decision Support in Diabetes Care. Endocr Pract. 2025. doi: 10.1016/j.eprac.2025.09.011.

    • Kumar S et al. Generative Artificial Intelligence in Diabetes Healthcare. iScience. 2025. doi: 10.1016/j.isci.2025.110893.

    • Bianchi F et al. Generative AI and LLMs in Predictive Analysis of Diabetes and Its Complications: A Review. Ann Transl Med. 2025. doi: 10.21037/atm-25-1998.

    • Al-Qaysi Z et al. Transparency and Validity of AI Applications in Pediatric Diabetes: A Systematic Review. Healthcare (Basel). 2025. doi: 10.3390/healthcare15231542.

    • Martinez R et al. AI-Based Predictive Tools for Identifying Type 2 Diabetes Patients at High Risk of Non-Adherence: A Systematic Review. Technol Health Care. 2025. doi: 10.3233/THC-240198.

     

  • Diabète : 4,36 millions de patients, 6,48 % de la population… une épidémie silencieuse, polypathologique et coûteuse

    En France, plus de 4 millions de personnes vivent aujourd’hui avec un diabète, une proportion passée de 5,6 % en 2015 à 6,48 % de la population en 2023. Pathologie chronique au cœur des inégalités sociales et territoriales, le diabète se présente désormais comme une maladie « polypathologique », associée à de multiples comorbidités et à des complications lourdes, avec plus de 10,9 milliards d’euros de dépenses pour l’Assurance maladie en 2023.

    • 537 millions d’adultes vivaient avec un diabète dans le monde en 2021, et la Fédération internationale du diabète projette 783 millions en 2045.
    • Un article récent évoque déjà 589 millions de personnes diabétiques en 2024 dans le monde, avec 853 millions attendues d’ici 2050.
    • 4 364 820 personnes étaient prises en charge pour un diabète en France en 2023, soit 6,48 % de la population.
    • En parallèle, plus de 3,8 millions de personnes étaient traitées par médicament pour un diabète en 2023 (5,6 % de la population).
    • Le diabète représente 10,925 milliards d’euros de dépenses remboursées par l’Assurance maladie en 2023, dont 8,889 milliards pour les soins de ville.
    • Le diabète a été responsable de plus de 33 902 décès en 2024 en France, avec un âge moyen au décès de 80 ans, et plus de 85 000 morts en 2021 selon une autre source.
    • Chez les personnes de 45 ans et plus traitées pour un diabète, les complications podologiques entraînent 981 hospitalisations pour plaies du pied et 286 amputations de membre inférieur pour 100 000 personnes en 2023.
    • Le diabète multiplie par 2 à 4 le risque de complications cardiovasculaires, et la rétinopathie diabétique est première cause de cécité chez les moins de 65 ans en France.
    • 54 % des Français déclarent n’avoir jamais réalisé de dépistage du diabète, et 35 % des personnes diabétiques estiment que leur diagnostic a été tardif (57 % chez les 15-34 ans).

    Une épidémie mondiale qui se renforce et se chronicise

    Le diabète est défini comme une maladie chronique caractérisée par une hyperglycémie – un excès de sucre dans le sang – liée à un défaut de sécrétion ou d’action de l’insuline. Au niveau mondial, la Fédération internationale du diabète estimait à 537 millions le nombre d’adultes (20-79 ans) atteints de diabète en 2021, soit 10,5 % de la population mondiale de cette tranche d’âge, avec une projection à 783 millions en 2045. D’autres estimations récentes évoquent 589 millions de personnes diabétiques en 2024, pour 853 millions en 2050, illustrant l’ampleur croissante de ce fardeau. La progression touche tous les continents, y compris des régions longtemps moins concernées comme l’Afrique, l’Asie ou l’Amérique latine. Cette dynamique globale se traduit directement en France, où la maladie s’inscrit dans la durée, avec une incidence en hausse et une espérance de vie améliorée des personnes diabétiques : davantage de cas, et des patients qui vivent plus longtemps avec la maladie.

    6,48 % de la population touchée en 2023 : un « effet épidémie » bien installé

    En France, le nombre de personnes vivant avec un diabète augmente régulièrement depuis des années. Selon la Fédération Française des Diabétiques, plus de 4 millions de personnes étaient atteintes en 2023, la prévalence passant de 5,6 % en 2015 à 6,48 % en 2023.

    Les données de l’Assurance maladie confirment cette tendance :

    • 4 364 820 patients ont été pris en charge pour un diabète en 2023,
    • Soit une prévalence de 6,48 % tous âges et tous sexes confondus.

    Santé publique France, de son côté, rapporte que plus de 3,8 millions de personnes étaient traitées par médicament pour un diabète en 2023, ce qui représente 5,6 % de la population. La différence entre ces chiffres reflète notamment la diversité des sources (prise en charge globale vs traitement pharmacologique, définitions utilisées). Les projections sont inquiétantes : si les tendances observées entre 2015 et 2021 se poursuivent, 520 000 personnes supplémentaires pourraient être atteintes par le diabète en 2027 par rapport à 2021, dont 500 000 par un diabète de type 2 et 20 000 par un diabète de type 1.

    Disparités d’âge, de sexe et de territoire

    Les données de prévalence mettent en lumière de fortes disparités :

    • Le pic de prévalence se situe entre 80 et 84 ans : 25,60 % des hommes et 17,98 % des femmes de cette tranche d’âge vivent avec un diabète.
    • Globalement, 55 % des personnes diabétiques sont des hommes et 45 % des femmes.
    • Dans les départements et régions d’outre-mer (DROM), cette tendance s’inverse : les femmes sont plus touchées, avec par exemple 59 % de femmes parmi les personnes diabétiques en Guadeloupe et en Martinique.

    Les disparités régionales sont marquées :

    • Les prévalences les plus élevées sont observées dans les DROM, les Hauts-de-France et l’Occitanie, avec des valeurs pouvant atteindre 11,72 % en Guadeloupe, presque le double de certaines régions métropolitaines.
    • À l’inverse, des régions comme la Bretagne (4,81 %), les Pays-de-la-Loire (5,47 %) ou l’Île-de-France (5,89 %) présentent des prévalences plus faibles.

    Ces données confirment que le diabète est une maladie de plus en plus fréquente, mais aussi une pathologie profondément ancrée dans les contextes démographiques, sociaux et territoriaux.

    Le diabète, maladie polypathologique par excellence

    Le diabète de type 2, qui représente plus de 90 % des cas, est étroitement associé au surpoids, à l’obésité, à la sédentarité, à des habitudes alimentaires déséquilibrées et parfois à des troubles du sommeil. Il coexiste souvent avec d’autres facteurs de risque cardiovasculaires : hypertension artérielle, hypercholestérolémie, tabagisme, consommation excessive d’alcool. Le ministère de la Santé souligne qu’au-delà de 45 ans, le diabète est la maladie la plus fréquente dans un cumul de maladies, illustrant son caractère fortement polypathologique. Les données de la CNAM détaillent cette polypathologie : parmi les personnes prises en charge pour un diabète en 2023, les principales comorbidités sont :

    • Maladie coronaire chronique : 15 %
    • Maladies respiratoires chroniques (hors mucoviscidose) : 12 %
    • Traitements antidépresseurs ou thymorégulateurs : 10 %
    • Traitements anxiolytiques : 10 %
    • Troubles du rythme ou de la conduction cardiaque : 10 %
    • Affections de longue durée pour d’autres causes : 7 %
    • Artériopathie périphérique : 5 %
    • Insuffisance cardiaque chronique : 4 %

    Cette liste illustre à quel point le diabète s’inscrit dans un paysage de multimorbidité : maladies cardiovasculaires, troubles respiratoires, souffrance psychique et autres affections chroniques se superposent chez un même patient. Les inégalités sociales renforcent ce caractère polypathologique : la prévalence du diabète est 1,3 fois plus élevée chez les hommes et 1,7 fois plus élevée chez les femmes vivant dans les communes les moins favorisées, par rapport aux communes plus aisées. Chez les moins de 60 ans, le diabète est deux fois plus fréquent chez les bénéficiaires de la Complémentaire santé solidaire.

    Complications chroniques : cœur, reins, yeux, pieds, bouche…

    L’hyperglycémie chronique abîme les vaisseaux sanguins de gros et de petit calibre, ainsi que les nerfs, exposant à toute une série de complications.

    Complications cardiovasculaires

    Les personnes vivant avec un diabète ont 2 à 4 fois plus de risque de développer une complication cardiovasculaire. Le ministère de la Santé rappelle que les maladies cardiovasculaires sont la première cause de décès chez les personnes diabétiques.

    • En 2023, parmi les personnes de 45 ans et plus traitées pour un diabète :
    • Les accidents vasculaires cérébraux (AVC) représentent un taux d’incidence standardisé de 589 hospitalisations pour 100 000 personnes.
    • Les infarctus du myocarde transmural (avec sus-décalage du segment ST) atteignent 223 hospitalisations pour 100 000 personnes.

    Complications rénales

    Les complications rénales liées au diabète (néphropathies diabétiques) favorisent l’élévation de la pression artérielle, aggravent les dommages rénaux et augmentent le risque cardiovasculaire. Le diabète, associé à l’hypertension artérielle, représente l’une des premières causes de maladies rénales chroniques.

    Complications oculaires

    La rétinopathie diabétique est une complication majeure :

    • elle constitue la première cause de cécité en France chez les moins de 65 ans,
    • elle touche environ 50 % des personnes vivant avec un diabète de type 2.

    Non dépistée à temps, elle peut évoluer vers un œdème maculaire diabétique, avec des troubles visuels graves et irréversibles.

    Complications podologiques et amputations

    Les complications au niveau des pieds sont fréquentes :

    • 20 à 25 % des personnes diabétiques présenteront une plaie du pied au cours de leur vie,
    • Environ 10 000 amputations par an en France sont liées au diabète, avec un risque d’amputation pour 10 % des personnes vivant avec la maladie.

    Les données 2023 de Santé publique France confirment cette lourde charge : chez les personnes de 45 ans et plus diabétiques, on observe 981 hospitalisations pour plaie du pied et 286 amputations de membre inférieur pour 100 000 personnes.

    Complications bucco-dentaires

    Enfin, environ une personne diabétique sur deux souffre d’une maladie parodontale (gingivite, parodontite). Ces infections des gencives sont à la fois cause et conséquence d’un déséquilibre glycémique, et leur prévention fait partie intégrante de la prise en charge. Sur le plan de la mortalité, la Fédération Française des Diabétiques indique que le diabète a été responsable de plus de 33 902 décès en 2024, avec un âge moyen au décès de 80 ans. Une étude Ifop pour Sanofi évoque plus de 85 000 décès en 2021, soulignant l’ampleur du phénomène selon les définitions retenues pour l’attribution des décès.

    Un dépistage encore trop tardif malgré la progression de la maladie

    Si le diabète progresse, le dépistage ne suit pas. L’étude Ifop pour Sanofi, réalisée en 2023, montre que :

    • 54 % des Français déclarent ne jamais avoir réalisé de dépistage du diabète,
    • la part de personnes ayant déjà fait un test est passée de 56 % en 2009 à 46 % en 2023,
    • Un quart des Français a déjà évité ou repoussé un test (VIH, diabète, cancer…) par peur du diagnostic.

    Ce recul du dépistage a des conséquences directes sur la prise en charge :

    • 35 % des personnes diabétiques estiment que le diagnostic de leur diabète a été tardif,
    • Ce sentiment grimpe à 57 % chez les 15-34 ans.

    La Fédération Française des Diabétiques souligne qu’environ 28 % des patients atteints de diabète de type 2 sont diagnostiqués au stade des complications nécessitant une hospitalisation.

    En parallèle, Santé publique France met en évidence la hausse du diabète de type 1 chez les moins de 20 ans :

    • De 20 300 jeunes en 2012 à 31 400 en 2023,
    • Soit une augmentation continue, justifiant l’importance du diagnostic précoce pour éviter les formes graves comme l’acidocétose ou le coma.

    L’Observatoire de prévention de l’acidocétose de l’AJD rapporte qu’en 2023, plus de 4 enfants ou adolescents sur 10 de moins de 15 ans ont été diagnostiqués « trop tard », avec une acidocétose modérée (24,9 %) ou sévère (17,5 %), voire un coma diabétique (3 %).

    10,9 milliards d’euros de dépenses CNAM et des parcours de soins à réinventer

    Pour l’Assurance maladie, le diabète représente en 2023 :

      • 10 925 millions d’euros de dépenses totales remboursées, dont 8 889 millions d’euros de soins de ville (consultations, médicaments, biologie, soins infirmiers, transports…),
      • 891 millions d’euros pour les hospitalisations,
      • 1 146 millions d’euros de prestations en espèces (indemnités journalières…).

    Un article consacré au centre Diabet’ reprend un ordre de grandeur similaire : le diabète représente « près de 10,9 milliards d’euros de dépense nationale annuelle », confirmant le poids économique de la pathologie. Au-delà du coût, le parcours de soins reste complexe. Le médecin généraliste à l’origine du Pôle Diabet’, premier centre de santé pluridisciplinaire dédié intégralement au diabète en Europe, rappelle que le suivi d’un patient diabétique représente en théorie quatre rendez-vous par an, mais que la séparation des spécialités et les délais peuvent faire monter ce chiffre jusqu’à treize consultations annuelles. Le centre Diabet’ rassemble au même endroit des spécialistes de la rétinopathie, de la néphropathie, de la podologie et d’autres complications, afin de :

    • Simplifier le parcours de soins,
    • Réduire les délais entre examens et consultations,
    • Désengorger les hôpitaux en assurant le suivi des patients qui ne nécessitent pas une prise en charge lourde.

    Prévenir et retarder les complications : un enjeu structurant de santé publique

    La prévention du diabète et de ses complications est intégrée aux grandes politiques nationales de santé :

    • La Stratégie nationale de santé 2018-2022 et le plan « Priorité prévention » posent le cadre de lutte contre les maladies chroniques, avec un accent sur la promotion de la santé (alimentation saine, activité physique, réduction de la sédentarité) et la réduction des inégalités de santé.
    • Le Programme national nutrition santé (PNNS4) et la Stratégie nationale sport-santé soutiennent la mise en place d’environnements favorables aux comportements protecteurs.
    • L’activité physique adaptée (APA) est reconnue comme une thérapeutique non médicamenteuse : la loi permet de la prescrire aux personnes atteintes d’affections de longue durée, dont le diabète. Des référentiels spécifiques existent pour le diabète de type 1 et de type 2.

    Sur le terrain, ces stratégies se heurtent toutefois à la réalité d’une pathologie silencieuse, souvent méconnue, marquée par un dépistage tardif et une forte charge en comorbidités.

  • Financement européen pour SMARTDIABETES et procédure de sauvegarde pour Diabeloop

    • Diabeloop a levé 25 millions d’euros en 2024-2025 pour accélérer sa croissance, tout en engageant une procédure de sauvegarde pour rééchelonner sa dette.​
    • EIT Health a accordé une subvention de 1,15 million d’euros au consortium SMARTDIABETES pour déployer une solution de gestion intégrée du diabète dans plusieurs pays européens.​

    Diabeloop : relance sous contrainte

    L’entreprise grenobloise Diabeloop se trouve dans une phase de transition financière et opérationnelle depuis le changement de direction en mars 2024. Après une perte de son principal partenaire stratégique en 2022-2023, la société a mis en œuvre un plan de retournement qui s’est concrétisé par une levée de fonds de 25 millions d’euros répartie en plusieurs tours, dont un de 15 millions annoncés au printemps 2024. Malgré une progression du chiffre d’affaires de +60% sur un an et l’obtention de la certification CE MDR en août 2025,  Diabeloop reste confrontée à un niveau d’endettement élevé accumulé principalement avant 2024. La direction a ainsi sollicité la procédure de sauvegarde auprès du tribunal de commerce de Grenoble en octobre 2025 pour renégocier l’échéancier de la dette et préserver la dynamique de croissance, avec l’objectif affiché de réaliser 40 millions d’euros de chiffre d’affaires d’ici 2030.​

    SMARTDIABETES : financement européen pour la transformation des soins

    EIT Health, dans le cadre de son appel à projets Flagships 2025, a alloué 1,15 million d’euros au projet SMARTDIABETES pour déployer une approche de gestion intégrée du diabète adossée à la plateforme numérique SocialDiabetes. Cette subvention permettra de tester, sur quatre systèmes de santé européens, un modèle fondé sur la valeur (value-based healthcare) visant à améliorer les résultats cliniques tout en maîtrisant les coûts. Le consortium regroupe plusieurs partenaires industriels, experts en santé et représentants de patients, sous la coordination de SocialDiabetes et d’Air Liquide Healthcare.​

     

  • Diabète : associations locales, universités, services spécialisés, entreprises du numérique… plus de 100 acteurs qui agissent conjointement sur le territoire

    Un écosystème diversifié et interconnecté

    L’écosystème du diabète en France est un réseau diversifié et interconnecté. Il est animé par plusieurs acteurs qui collaborent à différents niveaux pour améliorer la prise en charge des patients. Cette dernière repose essentiellement sur une coopération entre les professionnels de santé, les établissements médicaux, les associations de patients et les acteurs institutionnels. Ces partenariats permettent de développer des programmes d’éducation thérapeutique (ETP), de soutenir les patients dans leur parcours de soin et de promouvoir des actions de prévention. Les associations jouent un rôle central dans la sensibilisation du public et dans l’accompagnement des patients, tandis que les soins sont adaptés grâce à une coordination entre médecins généralistes, diabétologues, infirmiers et diététiciens, garantissant une approche multidisciplinaire.

    En parallèle, la recherche et la formation des professionnels de santé font également partie intégrante de cet écosystème, renforçant son caractère interconnecté. Les partenariats entre les structures de recherche, les hôpitaux et les universités facilitent l’émergence de nouvelles approches thérapeutiques et permettent de collecter des données pour mieux comprendre la maladie. Ces collaborations sont soutenues par des initiatives de formation continue, où les médecins et les soignants peuvent se tenir informés des dernières avancées.

    À ces acteurs traditionnels s’ajoutent désormais les acteurs du numérique en santé, qui occupent une place croissante dans l’accompagnement des personnes vivant avec un diabète. Le développement des dispositifs médicaux connectés, notamment les capteurs de mesure en continu de la glycémie ou les pompes à insuline intelligentes, facilite un suivi plus fin de l’évolution de la maladie et permet aux professionnels de santé d’adapter plus rapidement les traitements. Ces outils contribuent à réduire les situations à risque et à améliorer l’autonomie des patients, en leur donnant accès à des informations personnalisées et en temps réel. La généralisation de la télésurveillance et des plateformes numériques d’éducation thérapeutique offre également de nouvelles possibilités d’accompagnement, en particulier pour les patients éloignés des centres de soins spécialisés. Ces solutions permettent de renforcer la coordination entre les équipes médicales, d’assurer un suivi à distance des données physiologiques et de proposer des programmes d’apprentissage adaptés au rythme de chacun. Le numérique joue ainsi un rôle de plus en plus structurant dans l’écosystème du diabète, en facilitant la prévention, le dépistage et la prise en charge continue tout au long du parcours de soins.

    De nombreux services spécialisés répartis sur le territoire :

    En France, de nombreuses structures médicales sont dédiées à la prise en charge des patients diabétiques. Près d’une centaine d’hôpitaux français – principalement des CHU, comme ceux de Lille, Toulouse ou Strasbourg – abritent des services de diabétologie pour gérer les cas complexes de diabète, qu’il s’agisse du diabète de type 1 et de type 2, ou même des formes plus rares, comme le diabète insipide et le diabète Mody. Ces établissements s’appuient sur des équipes pluridisciplinaires regroupant endocrinologues, diététiciens, podologues et psychologues. Leur objectif est de fournir un accompagnement global, incluant la prévention des complications sévères telles que la cécité ou l’insuffisance rénale. Ces centres jouent un rôle important dans la coordination du parcours de soin, en assurant le lien entre consultations spécialisées et soins de proximité.

    À un niveau plus local, les maisons de santé pluri-professionnelles (MSP) offrent une alternative accessible pour le suivi des patients diabétiques. Ces structures, présentes dans toutes les régions, proposent un accompagnement individualisé combinant suivi glycémique, conseils diététiques et éducation thérapeutique. Certaines initiatives innovantes, comme le centre de prévention du pied diabétique au CHU de Lille, ont pour but de réduire les risques d’invalidité liés à des complications mal surveillées, telles que les ulcères du pied. Ces structures illustrent l’importance d’un maillage territorial pour répondre aux besoins croissants des patients.

    Un accompagnement des patients et une sensibilisation par les associations : 

    Les associations de patients occupent elles aussi une place centrale dans l’écosystème du diabète en France. La Fédération française des diabétiques (FFD) est l’un de ces principaux acteurs, soutenant les patients à travers des actions d’information, de prévention et de plaidoyer auprès des décideurs publics. Ses campagnes visent à sensibiliser le grand public aux risques liés au diabète de type 2, en mettant l’accent sur l’importance du dépistage précoce et des habitudes de vie saines. Par ailleurs, la FFD est un acteur clé pour faire entendre la voix des patients, notamment dans le cadre de projets législatifs ou de discussions autour du remboursement des traitements.

    D’autres associations, comme l’Aide aux jeunes diabétiques (AJD), se concentrent sur des besoins spécifiques, notamment ceux des enfants et adolescents touchés par le diabète de type 1. Ces jeunes et leurs familles reçoivent un soutien adapté pour mieux vivre la maladie au quotidien, avec des conseils pour la gestion des repas, les injections d’insuline ou les activités scolaires et sportives.

    À ces acteurs s’ajoute également France Assos Santé, via son groupe “maladies chroniques – diabète”, qui représente les usagers du système de santé au niveau national. L’organisation joue un rôle important dans la défense des droits des patients, dans le suivi des politiques publiques et dans la promotion d’une prise en charge centrée sur les besoins réels des personnes vivant avec un diabète.

    Pour un meilleur accompagnement des patients et de leur famille, plus d’une centaine d’associations locales, qui sont membres de la FFD, existent sur tout le territoire français. En plus de cet accompagnement, elles proposent tout au long de l’année des actions de proximité, comme des manifestations, des conférences, des ateliers, et des rencontres, pour sensibiliser et prévenir le diabète et ses complications mais aussi pour accompagner les personnes atteintes de diabète et leurs proches.

    La recherche et la formation, pour une meilleure prise en charge

    La recherche scientifique joue un rôle fondamental dans la lutte contre le diabète, permettant d’améliorer à la fois les traitements et la compréhension des mécanismes de la maladie. Avec la formation, elles permettent de répondre aux défis posés par l’évolution croissante du nombre de patients, qui a été multiplié par 5 en moins de 50 ans. La recherche et la formation sont comme deux faces d’une même pièce, de telle sorte que la formation des professionnels de santé est un élément clé pour appliquer les avancées scientifiques dans la pratique quotidienne et n’a donc pas d’intérêt sans recherche, et la recherche n’a de son côté pas d’intérêt si elle n’a pas vocation à être utilisée par les médecins.

    De la recherche effectuée même par des institutions qui ne sont pas tournées exclusivement vers le diabète :

    En France, la recherche sur le diabète est articulée autour de plusieurs acteurs majeurs qui collaborent pour améliorer la compréhension de la maladie et développer de nouvelles solutions thérapeutiques. La Société francophone du diabète (SFD) est le principaux d’entre ces acteurs et joue un rôle central en réunissant les professionnels de santé et les chercheurs autour de projets scientifiques, d’événements et de publications qui permettent de partager les dernières avancées dans le domaine. Parmi ces projets les plus récents, la SFD a mené une l’étude sur l’impact des facteurs environnementaux sur l’émergence du diabète de type 2, avec des recherches visant à mieux comprendre comment des éléments comme l’alimentation, le stress ou la pollution influencent la progression de la maladie. La Fondation francophone pour la recherche sur le diabète (FFRD) soutient aussi activement la recherche en finançant des projets novateurs et en favorisant les collaborations entre chercheurs, institutions et associations.

    En plus de ces acteurs spécialisés, d’autres institutions, bien que n’étant pas exclusivement dédiées au diabète, contribuent de manière significative à la recherche sur cette pathologie. Par exemple, l’Institut national de la santé et de la recherche médicale (Inserm) mène des travaux sur les mécanismes de résistance à l’insuline et sur l’impact du diabète sur d’autres maladies chroniques, comme les maladies cardiovasculaires. L’Institut Pasteur, quant à lui, participe à des recherches sur l’immunothérapie et les réponses inflammatoires, des domaines qui pourraient avoir un impact important pour les traitements futurs du diabète de type 1. Ces collaborations interinstitutionnelles permettent de croiser des expertises, d’élargir les horizons de la recherche et de développer des solutions de plus en plus ciblées et efficaces pour la prise en charge du diabète.

    La nouvelle génération de médecins formés dès l’université :

    Outre son implication dans la recherche, la SFD est un acteur incontournable dans le domaine de la formation des professionnels de santé sur le diabète, puisqu’elle organise des sessions de formation continue. Ces événements permettent aux médecins, infirmiers et autres professionnels de rester informés des dernières avancées scientifiques, tout en partageant des pratiques innovantes pour mieux accompagner leurs patients. En parallèle, certaines universités françaises, comme l’université Claude Bernard Lyon 1, l’université Paris-Saclay, ou encore l’université de Bordeaux, proposent des diplômes universitaires (DU) spécialisés en diabétologie, formant ainsi une nouvelle génération d’experts capables de répondre aux enjeux complexes liés à cette maladie.

    Des initiatives locales, souvent portées par les agences régionales de santé (ARS), visent également à renforcer les compétences des soignants, en particulier dans les zones rurales ou sous-dotées. Des programmes spécifiques, tels que l’éducation thérapeutique du patient, sont développés pour aider les professionnels à guider leurs patients dans la gestion quotidienne de leur maladie. Cette approche de proximité permet de renforcer l’adhésion des patients aux traitements, tout en améliorant leurs connaissances sur les complications potentielles du diabète.

    Une lutte contre le diabète aussi orientée vers les pays en voie de développement 

    À l’échelle internationale, plusieurs organisations jouent un rôle clé dans la lutte contre le diabète. L’International diabetes federation (IDF) coordonne des campagnes mondiales pour sensibiliser aux enjeux de cette maladie, tout en soutenant la recherche dans les pays en développement. Cette organisation met également en avant des recommandations pour harmoniser les politiques de santé publique en faveur des personnes atteintes de diabète. L’European association for the study of diabetes (EASD) complète cet effort en Europe, en organisant des conférences scientifiques et en promouvant les collaborations entre chercheurs et cliniciens.

    L’Organisation mondiale de la santé (OMS) est un autre acteur majeur, notamment dans les pays en voie de développement où l’accès aux soins pour les patients diabétiques reste limité. Ses campagnes visent à réduire les inégalités dans la prise en charge et à promouvoir des stratégies de prévention globales. Ces initiatives internationales, bien que diversifiées, convergent vers un même objectif : réduire l’impact du diabète à l’échelle mondiale, en combinant efforts scientifiques, éducation et accès aux soins pour les populations les plus vulnérables.

    Cartographie des acteurs de l’écosystème du diabète en France :

    Cartographie des acteurs du diabète en France - @H&TI
    Cartographie des acteurs du diabète en France – @H&TI