Les défis liés à l’activité physique et au sport en cas d’administration automatisée de l’insuline

Les systèmes d’administration automatisée d’insuline (AAI) facilitent la gestion de la glycémie chez les personnes atteintes de diabète de type 1. Ce fait a notamment été démontré lors des activités physiques et sportives. L’activité physique reste un défi pour les systèmes d’AAI, car les activités planifiées ou spontanées ont un impact important sur les paramètres glycémiques et compliquent la gestion du traitement. Outre les stratégies pratiques applicables au quotidien, nous aborderons ci-après les perspectives offertes par les systèmes de demain, comme l’utilisation de l’intelligence artificielle et des réseaux neuronaux.

Une activité physique régulière et la pratique d’un sport constituent également un élément essentiel d’un mode de vie sain pour les personnes atteintes de diabète de type 1 (DT1). L’activité physique améliore la sensibilité à l’insuline, optimise le contrôle glycémique, réduit les risques cardiovasculaires et la mortalité, et améliore la condition physique ainsi que le bien-être psychologique.¹ Simultanément, l’activité physique et le sport chez les personnes atteintes de DT1 nécessitent un ajustement minutieux du traitement, car des épisodes d’hypoglycémie et d’hyperglycémie peuvent survenir avant, pendant et après l’activité physique.¹ Une compréhension approfondie des effets physiologiques sur le métabolisme du glucose est donc essentielle pour intégrer l’activité physique en toute sécurité dans la prise en charge du diabète.

Options actuelles en matière d’activité physique et de systèmes d’AAI

Les systèmes d’AAI aident la prise en charge, mais présentent toutefois certaines limites, notamment une précision insuffisante des valeurs en cas de mesure du glucose en continu (CGM, «continuous glucose monitoring»), le retard dans l’absorption de l’insuline ou la saisie manuelle des apports en glucides ou des activités physiques.² Sur le plan de la technologie de régulation, les algorithmes de ces systèmes reposent principalement sur des modèles classiques et ne sont pas dotés de capacités d’auto-apprentissage.^3,4 Les activités physiques et sportives, qu’elles soient planifiées ou non, constituent d’autres défis.

Six systèmes d’AAI sont disponibles dans le monde entier. Les recommandations générales s’appliquent à tous les systèmes, mais il convient de tenir compte des différences propres à chaque système en matière de paramètres et d’utilisation. Les lignes directrices relatives à l’utilisation de l’AAI lors de l’exercice et de l’activité physique contiennent des recommandations explicites pour chaque système concernant les activités physiques et sportives spontanées et prévues.⁵ On observe cinq stratégies clés en matière d’activités physiques et sportives relativement aux systèmes d’AAI (Tab. 1).

Tab. 1: Cinq stratégies clés pour les activités physiques et sportives avec les systèmes d’AAI⁵

Perspectives d’avenir concernant l’activité physique et les systèmes d’AAI

Dans le cadre d’une activité physique, les insulines à action rapide présentent souvent un délai d’action plus long et une durée d’action prolongée. Simultanément, la mesure du glucose interstitiel présente un décalage temporel par rapport à la glycémie sanguine, ce qui fait que les variations glycémiques rapides ne sont détectées qu’avec un certain retard. De plus, l’activité physique est souvent détectée tardivement ou de manière peu fiable par les systèmes actuels, ce qui complique encore davantage l’ajustement du dosage de l’insuline.⁶

Insuline à action rapide

Une nouvelle formulation d’insuline aspart, dont l’action débute nettement plus rapidement, a été évaluée dans le cadre d’une étude randomisée, en double aveugle et croisée menée chez des personnes atteintes de DT1. Cette formulation s’est révélée supérieure aux insulines déjà disponibles sur le marché, tout en présentant un profil de sécurité satisfaisant.⁷

Détection de l’activité physique

En 2024, Cho et al. ont mis au point un système de capteurs basé sur l’apprentissage automatique («machine-learning») qui détecte en temps réel le début et la fin de l’activité physique, ainsi que le type et l’intensité de l’activité. Pour les activités prévues, le modèle a atteint des niveaux de précision élevés (81% pour le début de l’activité physique, 78% pour la fin de l’activité physique, environ 73,5% pour le type et l’intensité), tandis que ces niveaux diminuaient légèrement dans le cas d’un entraînement spontané. C’est dans le cadre des entraînements de musculation et des entraînements aérobiques que la précision s’est avérée la plus élevée, ce qui souligne le potentiel d’une intégration dans les systèmes d’AAI en vue d’un meilleur dosage de l’insuline.⁸

Performances de la CGM

La surveillance par CGM joue un rôle essentiel dans la gestion sûre des insulinothérapies, en particulier lors d’une activité sportive. Les systèmes actuels, comme Free Style Libre 3 (Abbott) et Dexcom G7 (Dexcom), présentent une très bonne précision (MARD; «mean absolute relative difference»): 9,5% pour Free Style Libre 3; 9,9% pour Dexcom G7) et une grande stabilité au quotidien. Medtronic Simplera (Medtronic) se situe légèrement derrière ses concurrents (MARD: 13,9%), mais répond également aux exigences applicables aux dispositifs de CGM.⁹ Ces valeurs ont pu être confirmées dans le cadre d’une étude en situation réelle, avec des contraintes spécifiques à l’exercice physique.¹⁰ Dans ce contexte, les nouveaux capteurs, comme le capteur Instinct de Medtronic, présentent un intérêt particulier, car ils promettent une réaction plus rapide aux variations de glycémie et pourraient ainsi améliorer encore les performances des systèmes d’AAI pendant l’entraînement et la compétition.¹¹

«Fully-Closed-Loop»: une vision (idéale)

Un aperçu de l’avenir proche et lointain laisse entrevoir des évolutions prometteuses dans le domaine des systèmes en boucle fermée complète (FCL, «Fully-Closed- Loop»). Des systèmes comme CamAPS HX, lancé cette année, ne nécessitent ni saisie manuelle des repas ni décompte des glucides.¹² De plus, dans les systèmes en FCL, il ne devrait plus être nécessaire de saisir des données relatives à l’activité physique. Par ailleurs, des systèmes bihormonaux sont en cours de développement. Ces systèmes libèrent de l’insuline et du glucagon et permettent d’améliorer le temps passé dans la plage cible (TIR, «time in range»: 3,9–10,0mmol/l [70–180 mg/dl]) tout en réduisant le nombre d’hypoglycémies, même lors d’une activité physique spontanée (Fig.1).¹² Dans une étude réalisée en 2024, le TIR lors de l’utilisation de systèmes en FCL est passé de 55,5% à 80,3%, même si l’utilisation clinique courante et la sécurité des systèmes en FCL lors d’une activité physique n’ont pas encore fait l’objet d’études approfondies.¹³

Fig. 1: Représentation schématique d’un système en «Fully-Closed-Loop» (FCL), des principaux facteurs d’influence et de leurs effets sur les résultats glycémiques

Les recherches actuelles portent sur l’intégration de l’intelligence artificielle et des réseaux neuronaux dans les systèmes d’AAI afin de détecter automatiquement l’activité physique à partir de signaux physiologiques et d’y réagir de manière préventive.⁶ L’activité physique reste néanmoins un défi majeur pour les algorithmes existants. C’est ce qui ressort notamment des études qui analysent explicitement l’activité physique spontanée («unannounced exercise») et soulignent que l’ajustement automatique de la dose d’insuline sans intervention supplémentaire de l’utilisateur reste une lacune technique majeure des algorithmes actuels en boucle fermée. Dans ce contexte, le développement d’algorithmes intelligents capables d’intégrer les signaux d’activité physiologique et d’en déduire des décisions de régulation autonomes est considéré comme une prochaine étape décisive pour parvenir à un apport d’insuline véritablement automatisé et adapté à l’activité sportive.⁶ Le développement d’algorithmes intelligents, basés sur les activités, est donc considéré comme la prochaine étape décisive, même si les systèmes d’AAI fondés sur l’IA et le «deep learning» font encore l’objet de recherches et ne constituent pas encore une réalité clinique.¹⁴