Contexte et principe du jumeau numérique
Twin Health propose un programme de jumeau numérique dédié à la métabolie. Le modèle virtuel se construit à partir de multiples sources : mesures de composition corporelle d’une balance connectée, données de pression artérielle d’un brassard intelligent, lectures continues de glucose d’un Dexcom G7, et informations de santé collectées via l’Apple Watch. Une fois ces flux intégrés, l’IA colore chaque aliment selon l’impact anticipé sur la glycémie : rouge (défavorable), orange (intermédiaire) et vert (optimal). L’objectif déclaré est de permettre un coaching métabolique personnalisé et, à plus long terme, de simuler l’effet de traitements médicamenteux.
Architecture des données et flux d’alimentation
Le processus d’alimentation dure 90 jours. Durant cette période, l’utilisateur doit porter le CGM Dexcom G7 en continu, se peser quotidiennement sur la balance Twin Health, mesurer sa tension artérielle et consigner les prises de compléments (multivitamines, magnésium glycinate). Les données brutes sont transmises à l’application Twin Health via Bluetooth, puis agrégées dans un entrepôt cloud où un pipeline d’ingestion les normalise (unité, timestamps, gestion des valeurs manquantes). Un modèle d’apprentissage supervisé, entraîné sur des cohortes de patients similaires, estime la courbe de glucose post‑prandiale pour chaque aliment du catalogue. Les prédictions sont recalibrées quotidiennement grâce aux écarts observés entre la glycémie réelle et la valeur prévue, ce qui affine les poids du réseau neuronal.
Analyse des performances et limites
Dans le test personnel de l’auteure, un bol de Cheerios + lait reçoit une étiquette orange lorsqu’il est consommé seul, mais passe au vert si une marche est effectuée après le repas. Cette variation illustre la prise en compte du facteur activité physique dans le modèle. Cependant, la précision dépend fortement de la fidélité du CGM — les erreurs de mesure de ±15 % peuvent entraîner des recommandations erronées. De plus, le service reste limité aux plans de santé d’entreprise ou privés, excluant la plupart des consommateurs. L’accès aux données biologiques (analyses sanguines, imagerie) nécessite une prise de sang chez Quest Diagnostics, ce qui ajoute une barrière logistique et financière. Enfin, le caractère expérimental du jumeau numérique implique que les algorithmes ne sont pas encore validés cliniquement ; les prédictions restent des estimations probabilistes et ne remplacent pas un avis médical.
