Le diabète de type 2, causé par la résistance à l'insuline, affecte des millions de personnes dans le monde, mais la détection précoce est entravée par les méthodes de test actuelles qui sont invasives ou inaccessibles. Les chercheurs ont développé des modèles d'apprentissage automatique qui peuvent prédire la résistance à l'insuline en combinant des données provenant de dispositifs portables et de tests sanguins courants. L'étude WEAR-ME a utilisé des données incluant le rythme cardiaque au repos, le nombre de pas, les modèles de sommeil, le glucose à jeun et les panneaux lipidiques pour entraîner ces modèles. La combinaison de ces sources de données a significativement amélioré la précision de la prédiction par rapport à l'utilisation d'une seule source seule. Notamment, les modèles ont performé particulièrement bien dans l'identification de la résistance à l'insuline chez les individus à haut risque, tels que ceux souffrant d'obésité et de modes de vie sédentaires.Un groupe de validation a confirmé la généralisabilité de ces modèles prédictifs. Pour améliorer la compréhension des utilisateurs, un agent d'IA appelé l'Agent de littératie et de compréhension de la résistance à l'insuline a été développé à l'aide de modèles de langage avancés. Cet agent fournit des réponses personnalisées et contextualisées sur la santé métabolique, impressionnant les endocrinologues par sa exhaustivité et sa fiabilité. La recherche met en évidence le potentiel de dépistage précoce accessible du risque de diabète de type 2 à travers des données facilement disponibles. Cette approche pourrait faciliter des interventions de style de vie opportunes pour prévenir ou retarder la maladie. Cependant, ces modèles ne sont que pour des fins d'information et de recherche et ne sont pas des dispositifs médicaux approuvés.