Procédé et système informatisés pour la détermination d’une recommandation nutritionnelle. DOMAINE DE L’INVENTION [01] La présente invention se rapporte aux procédés et aux systèmes informatisés pour la détermination d’une recommandation nutritionnelle. ARRIÈRE-PLAN TECHNOLOGIQUE [02] Dans le domaine de la nutrition, une personne peut consulter régulièrement un nutritionniste spécialisé pour obtenir des recommandations sur sa nutrition, dans le but d’atteindre un ou plusieurs objectifs, comme par exemple de perdre du poids, ou de ne pas gagner en masse grasse. [03] Il existe toutefois une difficulté en ce que le nutritionniste spécialisé n’a accès qu’à peu d’informations concernant la personne qui le consulte. Ce peu d’informations est essentiellement déclaratif, de sorte que le nutritionniste est tributaire de la bonne volonté de la personne qui lui communique les informations. Malgré cette démarche pro-active de consulter un nutritionniste spécialisé, cette personne peut, consciemment ou inconsciemment, ne pas fournir d’informations très exactes sur la réalité de sa pratique nutritionnelle. [04] De plus, étant donné que les rendez-vous sont espacés dans le temps, il est difficile pour le nutritionniste d’évaluer si la recommandation a effectivement été suivie par la personne, avec quel sérieux, et pendant combien de temps. [05] De plus, étant donné que les métabolismes nutritionnels sont très complexes, et potentiellement très différents d’une personne à l’autre, et peuvent être très dépendants de facteurs exogènes comme un stress ou un problème de sommeil par exemple, il est très difficile au nutritionniste de prodiguer des recommandations qui soient réellement adaptées à la personne. [06] Il existe une tendance pour des systèmes informatisés qui assistent l’utilisateur au vu de données de santé. Le document WO 2021/148,545 décrit un système informatisé qui, à partir de données de santé, détermine une composition alimentaire et la fabrique. En termes d’analytes corporels, ces données de santé comprennent l’oxymétrie et le pH. [07] Il a récemment été proposé des « patchs » ou « wearables » pour le suivi en temps réel de la glycémie. Une personne pose le « patch » sur sa peau, et le capteur réalise une estimation répétée, par exemple plusieurs fois par heure, du taux de glucose dans le sang. De tels capteurs ont été développés principalement pour les malades du diabète. [08] Pour les patients diabétiques, de tels capteurs peuvent être utilisés, et les données mesurées peuvent être traités, pour recommander une quantité d’insuline ou de glucagon à injecter. Toutefois, ce processus ne conduit pas à un changement de régime d’alimentation du patient. [09] Toutefois, la technologie s’est démocratisée, et de tels capteurs peuvent être désormais utilisés, avec une précision plus ou moins bonne, par tout un chacun ou sous ordonnance. [10] Le document US 2019/295440 évoque ainsi une application logicielle basée sur des données CGM, et adaptée pour comparer deux aliments et indiquer lequel est le plus sain pour l’utilisateur. [11] Le document US 2017/249,445 décrit un système informatisé émettant des notifications informatives factuelles à l’utilisateur à partir de données de santé. De nombreuses données de santé potentielles sont évoquées, comme le mouvement, la PPG, la concentration en glucose interstitiel ou en triglycérides sanguins ou interstitiels. [12] Mis à part le glucose, un autre analyte d’intérêt est la concentration en corps cétoniques. [13] Le document US2021/267,506 décrit un système informatisé d’assistance à un utilisateur pour la mise en œuvre d’un régime cétonique. Ce système est basé sur un capteur mesurant une teneur en cétones, glucoses ou lactates. Bien que d’autres analytes soient envisagés, il est précisé que tous ceux-ci sont corrélés avec le niveau de cétones. Sur la base des mesures réalisées, des recommandations sont produites à l’utilisateur. [14] Le document US 2021/000,416 décrit un système informatisé produisant à l’utilisateur un certain nombre de recommandations basées sur des données de santé issues d’un CGM. Si ce document prévoit également d’utiliser des données relatives à la détection de corps cétoniques, la détection de cet analyte est réalisée par des bandelettes de tests de prélèvements sanguin et urinaire. [15] L’invention vise ainsi à proposer un coach nutritionnel qui permettent d’influer efficacement et sur le long terme sur le régime nutritionnel d’un utilisateur. RÉSUMÉ DE L’INVENTION [16] Ainsi, l’invention se rapporte à un procédé informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur dans lequel, disposant de données temporelles de concentration de métabolites de l’utilisateur obtenues par des mesures in vivo réalisées régulièrement au cours du temps de manière non chirurgicale dans le liquide interstitiel de l’utilisateur par au moins un capteur portable porté par l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur, un module informatisé de caractérisation détermine un indice composite de l’utilisateur à partir desdites données temporelles de concentration de métabolites de l’utilisateur, et un module informatisé de recommandation sélectionne au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations en utilisant ledit indice composite, en fonction au moins desdites données temporelles de concentration de métabolites, en utilisant au moins lesdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des indices composites. [17] Grâce à ces dispositions, on peut déterminer de manière fréquente une recommandation réellement adaptée à l’utilisateur, à partir de données nombreuses et de bonne qualité. [18] Selon les réalisations, on utilise au moins un groupe de métabolites de la liste suivante : – glucose et acides gras non estérifiés ; – glucose et glycérol ; – glucose et corps cétoniques ; – acides gras non estérifiés et glycérol ; – acides gras non estérifiés et corps cétoniques ; - glycérol et corps cétoniques ; – glucose, acides gras non estérifiés et glycérol ; – glucose, acides gras non estérifiés et corps cétoniques ; – glucose, glycérol et corps cétoniques ; – acides gras non estérifiés, glycérol et corps cétoniques ; glucose, acides gras non estérifiés, glycérol et corps cétoniques. [19] Selon différents aspects, il est possible de prévoir l’une et/ou l’autre des caractéristiques ci-dessous prises seules ou en combinaison. [20] Selon une réalisation, on dispose en outre de données temporelles de concentration de métabolites de l’utilisateur obtenues par des mesures in vivo réalisées régulièrement au cours du temps de manière non chirurgicale dans le liquide interstitiel de l’utilisateur par au moins un capteur portable porté par l’utilisateur, comprenant au moins des données temporelles de concentration en au moins un des métabolites de la liste suivante : {triglycérides ; acides aminés} dans le liquide interstitiel de l’utilisateur. [21] Selon les réalisations, on utilise ainsi au moins un groupe de métabolites de la liste suivante : – glucose, acides gras non estérifiés et triglycérides ; – glucose, glycérol et triglycérides ; – glucose, corps cétoniques et triglycérides ; – acides gras non estérifiés, glycérol et triglycérides ; – acides gras non estérifiés, corps cétoniques et triglycérides ; - glycérol, corps cétoniques et triglycérides , – glucose, acides gras non estérifiés, glycérol et triglycérides ; – glucose, acides gras non estérifiés, corps cétoniques et triglycérides ; – glucose, glycérol, corps cétoniques et triglycérides ; – acides gras non estérifiés, glycérol, corps cétoniques et triglycérides ; - glucose, acides gras non estérifiés, glycérol, corps cétoniques et triglycérides ; – glucose, acides gras non estérifiés et acides aminés ; – glucose, glycérol et acides aminés ; – glucose, corps cétoniques et acides aminés ; – acides gras non estérifiés, glycérol et acides aminés ; – acides gras non estérifiés, corps cétoniques et acides aminés ; - glycérol, corps cétoniques et acides aminés ; – glucose, acides gras non estérifiés, glycérol et acides aminés ; – glucose, acides gras non estérifiés, corps cétoniques et acides aminés ; – glucose, glycérol, corps cétoniques et acides aminés ; – acides gras non estérifiés, glycérol, corps cétoniques et acides aminés ; - glucose, acides gras non estérifiés, glycérol, corps cétoniques et acides aminés ; – glucose, acides gras non estérifiés, triglycérides et acides aminés ; – glucose, glycérol, triglycérides et acides aminés ; – glucose, corps cétoniques, triglycérides et acides aminés ; – acides gras non estérifiés, glycérol, triglycérides et acides aminés ; – acides gras non estérifiés, corps cétoniques, triglycérides et acides aminés ; - glycérol, corps cétoniques, triglycérides et acides aminés ; – glucose, acides gras non estérifiés, glycérol, triglycérides et acides aminés ; – glucose, acides gras non estérifiés, corps cétoniques, triglycérides et acides aminés ; – glucose, glycérol, corps cétoniques, triglycérides et acides aminés ; – acides gras non estérifiés, glycérol, corps cétoniques, triglycérides et acides aminés ; - Glucose, acides gras non estérifiés, glycérol, corps cétoniques, triglycérides et acides aminés. [22] Selon une réalisation, on dispose en outre de données de position dans le cycle menstruel, et dans lequel le module informatisé de recommandation sélectionne ladite recommandation en fonction en outre des données de position dans le cycle menstruel. [23] Selon une réalisation, le module informatisé de recommandation détermine un score de pertinence d’au moins une pluralité de recommandations dans la liste de recommandations, et sélectionne ladite recommandation adaptée à l’utilisateur en fonction desdits scores de pertinence. [24] Selon une réalisation, le module informatisé de recommandation détermine le score de pertinence à partir en outre d’un but à atteindre défini par l’utilisateur, dans lequel lesdites règles associent les recommandations de la liste de recommandations à des données temporelles de concentration de métabolites et à des buts à atteindre. [25] Selon une réalisation, le module informatisé de recommandation détermine le score de pertinence d’une recommandation en déterminant une prédiction d’une valeur d’un paramètre de contrôle en simulant une absence de suivi de recommandation, et une prédiction de ladite valeur du paramètre de contrôle en simulant une mise en œuvre de ladite recommandation à partir au moins desdites données temporelles de concentration de métabolites. [26] Selon une réalisation, le module informatisé de recommandation sélectionne ladite au moins une recommandation adaptée à partir en outre d’un historique des recommandations pour l’utilisateur. [27] Selon une réalisation, le module informatisé de recommandation sélectionne la recommandation adaptée à l’utilisateur en fonction en outre au moins de données relatives à l’identité, aux goûts, et/ou aux contraintes de l’utilisateur saisies par l’utilisateur par l’intermédiaire d’une interface homme-machine. [28] Selon une réalisation, le module informatisé de recommandation sélectionne la recommandation adaptée à l’utilisateur en fonction en outre de données d’alimentation, de santé, d’exercice physique et/ou de sommeil, ainsi que d’instants associés à ces données, saisies par l’utilisateur par l’intermédiaire d’une interface homme-machine. [29] Selon une réalisation, lesdites au moins une, notamment au moins deux, recommandations adaptées sont transmises à l’utilisateur, et l’utilisateur sélectionne une recommandation parmi lesdites au moins une, notamment au moins deux, recommandations adaptées. [30] Selon une réalisation, le procédé informatisé comprend en outre un module informatisé de détection de la position dans le cycle menstruel adapté pour détecter la position dans le cycle menstruel à partir des données temporelles de concentration de métabolites de l’utilisateur. [31] Selon une réalisation, le procédé informatisé comprend en outre une phase d’observation de l’usager utilisant ledit capteur portable préalable à la sélection de ladite au moins une recommandation adaptée. [32] Selon un autre aspect, l’invention se rapporte à un ensemble de programmes d’ordinateur comprenant des instructions adaptées pour, à partir de données temporelles de concentration de métabolites de l’utilisateur obtenues par des mesures in vivo réalisées régulièrement au cours du temps de manière non chirurgicale dans le liquide interstitiel de l’utilisateur par au moins un capteur portable porté par l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur, la mise en œuvre du procédé comprenant au moins les étapes suivantes : - un module informatisé de caractérisation détermine un indice composite de l’utilisateur à partir desdites données temporelles de concentration de métabolites de l’utilisateur, et - un module informatisé de recommandation sélectionne au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations en utilisant ledit indice composite, en fonction au moins desdites données temporelles de concentration de métabolites, en utilisant au moins lesdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des indices composites, quand l’ensemble de programmes d’ordinateur est exécuté par un ou plusieurs ordinateurs, [33] Selon un autre aspect, l’invention se rapporte à un système informatisé pour la détermination d’une recommandation nutritionnelle personnalisée d’un utilisateur, comprenant : . au moins un capteur portable porté par l’utilisateur et adapté pour réaliser des mesures in vivo régulièrement au cours du temps dans le liquide interstitiel de l’utilisateur pour produire de données temporelles de concentration de métabolites de l’utilisateur, comprenant au moins des données temporelles de concentration en au moins deux des métabolites de la liste suivante : {glucose, acides gras non estérifiés, glycérol, corps cétoniques} dans le liquide interstitiel de l’utilisateur, . un module informatisé de caractérisation adapté pour déterminer un indice composite de l’utilisateur à partir desdites données temporelles de concentration de métabolites de l’utilisateur, . un module informatisé de recommandation adapté pour sélectionner au moins une recommandation adaptée à l’utilisateur dans une liste de recommandations comprenant plusieurs recommandations en utilisant ledit indice composite, en fonction au moins desdites données temporelles de concentration en métabolites, par application de règles associant les recommandations de la liste de recommandations à des indices composites. BRÈVE DESCRIPTION DES DESSINS [34] Des modes de réalisation de l’invention seront décrits ci-dessous par référence aux dessins, décrits brièvement ci-dessous : [35] [Fig.1] représente schématiquement une vue latérale d’un système de détection 1. [36] [Fig.2] représente schématiquement en vue de dessus un système électronique du système de détection 1. [37] [Fig.3] représente schématiquement un dispositif portable communiquant. [38] [Fig.4] représente schématiquement un serveur. [39] [Fig.5] représente schématiquement un écran d’affichage du dispositif portable communiquant. [40] [Fig.6] représente schématiquement une courbe de stockage/déstockage de graisse pour l’utilisateur en fonction du temps. [41] Sur les dessins, des références identiques désignent des objets identiques ou similaires. DESCRIPTION DÉTAILLÉE [42] L’invention concerne un système informatisé. Comme représenté sur la figure 1, selon un exemple de réalisation, le système informatisé comprend un système de détection 1. Le système de détection 1 est du type qui se porte (l’anglicisme « wearable », qui ne dispose pas d’une traduction française satisfaisante, est le plus adapté pour caractériser le système de détection 1) sur la peau 2 de l’utilisateur. Le système de détection 1 peut être appliqué à tout endroit approprié de la peau de l’utilisateur, par exemple sur l’avant-bras ou le ventre. Le système de détection 1 est assemblé à la peau 2 de l’utilisateur, de manière non chirurgicale, de manière à pouvoir rester en position pendant au moins quelques jours. L’assemblage à la peau 2 de l’utilisateur est par exemple réalisé par collage. Le système de détection 1 comprend alors une surface inférieure 3, destinée à être tournée vers la peau 2 de l’utilisateur, et comprenant une couche de colle 4 ou autre adhésif adhérent à la peau 2 de l’utilisateur. [43] Le système de détection 1 peut ainsi prendre la forme d’un « patch » appliqué sur la peau 2 de l’utilisateur. La figure 1 représente le système de détection 1 en configuration porté par l’utilisateur. Le système de détection 1 peut être fourni avec un film pelable (non représenté) assemblé à la couche de colle 4, et pouvant être retiré afin d’assembler le système de détection 1 à la peau. [44] Le système de détection 1 comprend également des micro-aiguilles 5. Les micro-aiguilles 5 ont une forme généralement allongée, et font saillie depuis la surface inférieure 3 du système de détection 1. Les micro-aiguilles 5 peuvent être disposées parallèles les unes aux autres et réparties sur la surface inférieure 3. Ainsi, lorsque le système de détection 1 est porté par l’utilisateur, comme représenté sur la figure 1, les micro-aiguilles 5 pénètrent dans la peau 2 de l’utilisateur. Typiquement, la longueur des micro-aiguilles 5 est de l’ordre de 0,15 à 1,5 millimètres (mm) , de manière à ce que celles-ci soient en contact du liquide interstitiel de la peau de l’utilisateur. [45] Au moins une partie des micro-aiguilles 5 est adaptée pour mesurer une concentration en un analyte du liquide interstitiel par un procédé électrochimique. Ces analytes du liquide interstitiel sont également appelés des métabolites. Une micro-aiguille 5 peut typiquement comprendre un ligand complémentaire de l’analyte à mesurer, et un transducteur. Le ligand comprend une espèce chimique complémentaire de l’analyte à mesurer, de sorte que la réaction chimique entre l’analyte à mesurer et le ligand génère une modification d’un signal physico- chimique. Le transducteur convertit ce signal en un signal électrique. [46] Dans le cadre de la présente invention, le système de détection 1 est adapté pour détecter plusieurs analytes distincts. Cela peut être réalisé en utilisant plusieurs micro-aiguilles 5, les micro-aiguilles 5 en question utilisant des ligands et des transducteurs différents, chacun adapté à un analyte à détecter. [47] Selon un exemple de réalisation, un des analytes détectés par le système de détection 1 est le glucose du liquide interstitiel. Par exemple, la détection du glucose est réalisée par une glucose oxydase réagissant avec le glucose du liquide interstitiel pour générer de l’eau oxygénée H2O2, qui est détectable de manière électrochimique. [48] Selon un exemple de réalisation, un des analytes détectés par le système de détection 1 est les acides gras non estérifiés, généralement désignés par l’acronyme anglo-saxon « NEFA », pour « non-esterified fatty acids »). Par exemple, la détection des acides gras non-estérifiés est réalisée grâce à un coenzyme A, l’adenosine triphosphate (ATP), l’acyl-coenzyme A synthetase et l’acyl-coenzyme A oxidase, qui réagissent avec les NEFAs pour générer de l’eau oxygénée H ₂ O ₂ , qui est détectable de manière électrochimique. [49] Selon un exemple de réalisation, un des analytes détectés par le système de détection 1 est le glycérol. Par exemple, la détection du glycérol est réalisée grâce à une glycérol kinase + glycérol-3P-oxidase+ATP, ou une glycérol oxydase, qui réagissent avec le glycérol pour générer de l’eau oxygénée H ₂ O ₂ , qui est détectable de manière électrochimique. [50] Selon encore un exemple de réalisation, un des analytes détectés par le système de détection 1 sont les corps cétoniques, notamment l’acétylacétate, le β- hydroxybutyrate et/ou l’acétone. [51] Cet analyte est par exemple détecté par l’intermédiaire d’enzymes et de co-facteurs qui intéragissent avec lui pour générer un hydrure de nicotinamide adénine dinucléotide (NADH), qui est détectable de manière électrochimique. [52] En complément de la détection des analytes ci-dessus, le système de détection peut être adapté pour détecter les triglycérides. Cet analyte est détecté via une cascade enzymatique avec une dernière enzyme de type oxydase qui mène à la production d’H2O2, qui est détectable de manière électrochimique. [53] En complément de la détection des analytes ci-dessus, le système de détection peut être adapté pour détecter les acides aminés. Cet analyte est détecté via une cascade enzymatique avec une dernière enzyme de type oxydase qui mène à la production d’H2O2, qui est détectable de manière électrochimique. [54] Le système de détection 1 comprend ainsi un système électronique 6. Le système électronique 6, tel que représenté plus en détails sur la figure 2, peut par exemple comprendre une carte électronique portant les différents composants électriques du système électronique. Le système électronique 6 comprend un micro- processeur 7 adapté pour recevoir le signal électrique en provenance des micro- aiguilles 5. De plus, le micro-processeur 7 peut être adapté pour réaliser un traitement de signal du signal électrique en provenance des micro-aiguilles. [55] Le système électronique 6 peut également comporter une mémoire 8 pour stocker les signaux électriques reçus en provenance des micro-aiguilles et/ou traités par le micro-processeur 7. [56] Le système électronique 6 peut comprendre une alimentation électrique 9 adaptée pour alimenter en énergie électrique le micro-processeur 7 et les éventuels composants du système électronique qui en ont besoin. Le cas échéant, l’alimentation électrique 9 peut être échangée et/ou rechargée. Toutefois, dans la mesure où le système de détection peut n’être utilisé que quelques jours, ce n’est pas obligatoire. [57] Le système électronique 6 comprend également un module de communication 10. On prévoit par exemple un module de communication sans fil internet par ondes radio, notamment de courte portée. On prévoit par exemple que le module de communication 10 met en œuvre un protocole de communication Bluetooth disponible à la date de priorité de la présente demande de brevet. [58] Comme visible sur la figure 1, le système informatisé comprend également un dispositif communiquant portable 11. Le dispositif communiquant portable 11 est par exemple un téléphone portable dit « intelligent » (désigné généralement par l’anglicisme « smartphone »), une tablette, un ordinateur portable, une montre connectée, ou autre. Comme représenté sur la figure 3, le dispositif communiquant portable 11 comprend un micro-processeur 12, une mémoire 13, et une alimentation électrique 14 adaptée pour alimenter en énergie électrique le micro-processeur 12 et les éventuels autres composants du dispositif communiquant portable 11 qui en ont besoin. Le cas échéant, l’alimentation électrique 14 peut être échangée et/ou rechargée par l’intermédiaire d’un chargeur (non représenté). [59] Le dispositif communiquant portable 11 comprend également un premier module de communication 15. Le premier module de communication 15 est complémentaire du module de communication 10 du système de détection. Dans l’exemple présenté, on prévoit un module de communication sans fil internet par ondes radio. On prévoit par exemple que le module de communication 15 met en œuvre le protocole de communication Bluetooth mentionné ci-dessus. [60] Le dispositif communiquant portable 11 comprend également un deuxième module de communication 16. Par exemple, on prévoit un module de communication sans fil internet par ondes radio. Ce deuxième module de communication 16 comprend une portée plus grande que celle du premier module de communication 15. On prévoit par exemple que le deuxième module de communication 16 met en œuvre un protocole de communication wifi disponible à la date de priorité de la présente demande de brevet. En variante ou en complément, le deuxième module de communication 16 peut mettre en œuvre une communication internet filaire. [61] Le dispositif communiquant portable 11 comprend également une interface homme-machine 17 adaptée pour permettre à l’utilisateur d’interagir avec le processeur 12, c’est-à-dire de saisir des informations qui soient transmises au processeur 12, et que le processeur 12 puisse communiquer des informations à l’utilisateur. Pour la présente invention, l’interface homme-machine 17 du dispositif communiquant portable 11 comprend au moins un affichage 18, de type écran. L’écran peut comporter une dalle tactile. D’autres moyens de restitution et de saisie d’information sont possibles, comme par exemple un haut-parleur, un micro et un module logiciel de reconnaissance vocale ou autre. [62] La mémoire 13 est adaptée pour stocker des informations reçues en provenance du système de détection 1, du serveur 19, et/ou traitées par le micro- processeur 12. La mémoire 13 peut ainsi stocker des informations temporelles relatives à la concentration en glucose au cours du temps g(t), et des informations temporelles relatives à la concentration en NEFA au cours du temps n(t). Les informations temporelles relatives à la concentration en analytes au cours du temps sont désignées de manière générale par la fonction a(t). Ainsi, la fonction a(t) peut être une fonction composite de g(t), n(t), voire d’autres fonctions temporelles relatives à différents analytes. La valeur de temps est donnée par une horloge numérique du dispositif communiquant portable 11. Le pas de temps de mesure des différents analytes peut être différent. [63] La mémoire 13 peut également stocker un programme d’ordinateur à exécuter par le micro-processeur 12. Le programme d’ordinateur en question peut également être appelé une « application ». Le programme d’ordinateur en question peut permettre de gérer différentes fonctionnalités de traitement de données, de communication et d’interaction avec l’utilisateur. Comme cela sera décrit ci-dessous, le programme d’ordinateur peut comprendre plusieurs modules informatisés fonctionnels. Le découpage, fait dans la description ci-dessous, du programme d’ordinateur en modules, est un découpage fonctionnel qui ne présage pas de la rédaction réelle du code du programme d’ordinateur. [64] L’application peut être programmée pour saisir en mémoire différentes informations relatives à l’utilisateur, par exemple au moyen d’un système déclaratif mis en œuvre via l’interface homme-machine 17. L’utilisateur peut ainsi renseigner différentes informations en mémoire, par exemple par l’intermédiaire de questionnaires. [65] Les informations renseignées par l’utilisateur peuvent par exemple comprendre : • Son poids, • Son niveau estimé de stress, • Une ou plusieurs émotions, • Ses repas (heure du repas, quantité estimative d’énergie ingérée, composition d’assiette), • Ses phases de sommeil (heure estimée d’endormissement, heure de réveil), • Ses phases d’exercice physique (heure estimée de début, de fin, durée, intensité, type), • … [66] Ces informations peuvent ainsi être renseignées par l’utilisateur de manière répétée. [67] En se reportant à nouveau à la figure 1, le système informatisé comprend également un serveur informatique 19 (représenté également de manière plus détaillée sur la figure 4). Le serveur informatique 19 comprend un processeur 20, une mémoire 21, et une alimentation électrique 22 adaptée pour alimenter en énergie électrique le processeur 20 et les éventuels autres composants du serveur informatique qui en ont besoin. [68] Le serveur informatique 19 comprend également un module de communication 23. Le module de communication 23 est complémentaire du deuxième module de communication 16 du dispositif communiquant portable 11. [69] Le serveur informatique 19 comprend un module informatisé de caractérisation 26. Le module informatisé de caractérisation 26 est adapté pour déterminer un indice composite de l’utilisateur, représentatif du stockage de graisse par l’utilisateur, tel que par exemple une valeur absolue de stockage de triglycérides dans le tissu adipeux, une variation ou une accélération de cette valeur. L’indice composite est déterminé en appliquant une règle aux informations relatives à l’utilisateur stockées dans la mémoire 21. Les informations relatives à l’utilisateur en question sont tout ou partie des informations listées ci-dessus. La règle est également stockée dans la mémoire 21. La règle peut être commune à tous les utilisateurs, ou, en variante, on peut prévoir une règle personnalisée pour chaque utilisateur, ou pour un groupe prédéfini d’utilisateurs, d’une manière qui sera décrite plus loin. [70] L’indice composite ic(t) de l’utilisateur peut varier au cours du temps. Ainsi, le module informatisé de caractérisation 26 est appliqué de manière répétée dans le temps, en utilisant les informations relatives à l’utilisateur enrichies au cours du temps stockées dans la mémoire 21. [71] Selon un exemple de réalisation, la règle comprend un modèle physiologique déterminant un indice composite représentatif du stockage de graisse, à partir de données d’entrée. Il existe de nombreux modèles physiologiques publics qui peuvent être mis en œuvre par le module de caractérisation 26. Le modèle physiologique va par exemple modéliser les mécanismes concurrents de lipolyse, c’est-à-dire de déstockage des triglycérides du tissu adipeux et de synthèse, c’est-à-dire de stockage des triglycérides au sein des adipocytes. Ci- dessous, il est présenté à titre d’exemple le modèle physiologique présenté dans « Mathematical modelling of hepatic lipid metabolism », Pratt et al., Mathematical Biosciences 262 (2015), 167-181, incorporé ici par référence en entier à toute fin utile. Selon un mode de réalisation de l’invention mettant en œuvre un tel modèle physiologique, on utilise en données d’entrées les mesures de glucose, de glycérol, et de NEFA dans le liquide interstitiel. [72] Le modèle physiologique peut par exemple être un modèle compartimenté, qui utilise des variables représentatives de chaque compartiment, ainsi que des modèles de mécanismes de transport entre les compartiments. On peut par exemple utiliser quatre compartiments, que sont le foie, le tissu adipeux, le muscle squelettique et le plasma sanguin. [73] Le modèle peut par exemple utiliser les variables suivantes : [74] Pour le foie : les concentrations en glucose (G _L ), glycogène (Y _L ), G-6-P (PL), pyruvate (R _L ), acides gras libres (A _L ), volume stocké/en réserve de triglycérides (T _L , S _L ) ; [75] Pour le muscle : les concentrations en glucose ( _GM ), glycogène (Y _M ), G-6- P (P _M ), pyruvate (R _M ), acides gras libres (A _M ), triglycérides (T _M ), AMP notionnel (P) ; [76] Pour le plasma : les concentrations en glucose (G _B ), acides gras non estérifiés (A _NB ), triglycérides endogènes (T _LB ), triglycérides exogènes (T _CB ), insuline (I) ; [77] Pour le tissu adipeux : les concentrations en glucose (GA), acides gras libres (AA), triglycérides (T _A ), glycerol (L _A ). [78] Le modèle met notamment en œuvre les équations suivantes représentatives des transports : [79] (dI/dt) = k ₁₁ +k ₂₂ erf [(G _B -ν)/cc] – k _d I (1) [80] α _L (dG _L /dt) = S _G (t) – k _gl G _L + k _gl2 G _B – ν _LG G _L / (k _LG +G _L ) – [1/(1+k _rep P _L )] ν _LH G _L /(k _LH +G _L ) + k _6l P _L (2) [81] α _L (dY _L /dt) = ½ k _yl IP _L (1+tanh[(l _max -Y _L )/c ₀ ] – β _L [Y _L /(Y _L +y ₀ )]/(1+k _dl I) (3) [82] α _L (dP _L /dt) = - ½ k _yl IP _L (1+tanh[(l _max -Y _L )/c ₀ ] + β _L [Y _L /(Y _L +y ₀ )]/(1+k _dl I) – k _p IP _L + k _gp L _A + β ₆ R _L /(1+k _p6 I) + ν _LG G _L / (k _LG +G _L ) + ν _LH G _L [1/(1+k _rep P _L )] / (k _LH +G _L ) (4) [83] α _L (dR _L /dt) = k _pp R _M + k _p IP _L - β ₆ R _L /(1+k _p6 I) - k _al IR _L + µ _B (5) [84] α _L (dA _L /dt) = 3k _cl T _CB + k _bl A _NB + 3 k _r T _LB + k _al IR _L – 3 ν ₆ A _L /(k ₆ +A _L ) + 3ν ₁₀ T _L /(k ₁₀ +T _L ) - 3 ν ₈ A _L /(k ₈ +A _L ) – k ₇ A _L /(1+k ₅ I) (6) [85] α _L (dS _L /dt) = ν ₆ A _L /(k ₆ +A _L ) – k _9a S _L (7) [86] α _L (dT _L /dt) = ν ₈ A _L /(k ₈ +A _L ) – F(I) ν ₉ T _L /(k ₉ +T _L ) - ν ₁₀ T _L /(k ₁₀ +T _L ) (8) [87] α _M (dG _M /dt) = (1+k _gi I)(k _gm G _B – k _gm2 G _M ) - ν _MH G _M [1/(1+k _rep P _M )] / (k _MH +G _M ) (9) [88] α _M (dY _M /dt) = ½ k _ym IP _M (1+tanh[(m _max -Y _M )/c ₀ ] – β _M [Y _M /(Y _M +y ₀ )]/(1+k _dy I) (10) [89] α _M (dP _M /dt) = - ½ k _ym IP _M (1+tanh[(m _max -Y _M )/c ₀ ] + β _M [Y _M /(Y _M +y ₀ )]/(1+k _dy I) – k _6p IP _M + ν _MH G _M / (k _MH +G _M ) [1/(1+k _rep P _M )] (11) [90] α _M (dR _M /dt) = k _6p I P _M - k _pp R _M - µ ₃ R _M I P (12) [91] α _M (dA _M /dt) = - 3m _s IA _M + 3m _e + 3k _cm T _CB +k _bm A _NB + 3 k _t T _LB - µ ₄ A _M P (13) [92] α _M (dT _M /dt) = m _s IA _M – m _e (14) [93] dP/dt = µ _amp - µ ₄ A _M P - µ ₃ R _M IP (15) [94] α _A (dT _A /dt) = k _aa IA _A G _A – β _f /(1+k _ft I ² ) (16) [95] α _A (dA _A /dt) = - 3 k _aa IA _A G _A + 3k _a (1+k _ai I)(1-k _lp )T _CB + 3k _ba T _LB + k _na A _NB (17) [96] α _A (dL _A /dt) = β _f /(1+k _ft I ² ) – k _gp L _A (18) [97] α _A (dG _A /dt) = d _BA (1+k _ga I)(G _B -G _A ) – k _aa IA _A G _A (19) [98] dT _CB /dt = S _F (t) – k _cm T _CB -k _cl T _CB - k _a (1+k _ai I)T _CB (20) [99] dA _NB /dt = -k _bm A _NB – k _bl A _NB – k _na A _NB + 3β _f /(1+k _ft I ² ) + 3k _A k _lp (1+k _ai I)T _CB (21) [100] dT _LB /dt = F(I) ν ₉ T _L /(k ₉ +T _L ) + k _9a S _L - k _r T _LB – k _t T _LB - k _ba T _LB (22) [101] dG _B /dt = k _gl GL – k _gl2 G _B – (1+k _gi I)(k _gm G _B – k _gm2 G _M ) – d _BA (1+k _ga I)(G _B -G _A ) - µ1 (23) [102] Les paramètres du modèle α _A , α _B , α _L , α _M , β ₆ , β _f , β _l , β _m , µ _amp , µ _b , µ _e , µ _s , µ ₁ , µ ₃ , µ ₄ , c ₀ , c _c , d _BA , k ₁₀ , k ₁₁ , k ₁₂ , k ₁₃ , k ₁₄ , k ₂₂ , k ₅ , k ₆ , k _6l , k _6p , k ₇ , k ₈ , k ₉ , k _9a , k _a , k _aa , k _ai , k _al , k _ba , k _bl , k _bm , k _cl , k _cm , k _d , k _dl , k _dy , k _ft peuvent être déterminés à partir de valeurs connues de la littérature scientifique, et/ou à partir d’un essai clinique préalable. Le cas échéant, on peut disposer de plusieurs valeurs pré-enregistrées possibles pour un ou plusieurs de ces paramètres, et la valeur correspondant à l’utilisateur peut être déterminée en fonction de réponses fournies par l’utilisateur à un questionnaire. [103] En variante ou en complément, la valeur de certaines variables peut être déterminée au cours d’une phase de calibration, où on soumet l’utilisateur à des conditions prédéfinies (repas, sommeil, exercice, …), où on détecte les analytes du liquide interstitiel comme décrit ci-dessus, et on détermine des valeurs des paramètres qui permettent de déterminer un modèle qui corresponde au mieux aux données d’entrée et aux détections. [104] Selon une variante de réalisation, on utilise un modèle physiologique prenant en compte en outre en données d’entrée les mesures de concentration en corps cétonique dans le liquide interstitiel. [105] En variante du modèle ci-dessus, qui utilise les concentrations mesurées en glucose, en NEFAs et en glycérol, voire, dans la variante présentée, de corps cétoniques, dans le liquide interstitiel, on utilise un modèle physiologique prenant en compte en données d’entrée l’une des combinaisons suivantes de concentrations mesurées dans le liquide interstitiel : – le glucose et les NEFAs, – le glucose et le glycérol, – le glucose et les corps cétoniques, – les NEFAs et le glycérol, – les NEFAs et les corps cétoniques, – le glycérol et les corps cétoniques, - le glucose, les NEFAs et les corps cétoniques, - le glucose, le glycérol et les corps cétoniques, - les NEFAs, le glycérol et les corps cétoniques. [106] Selon une variante de réalisation, on utilise un modèle physiologique prenant en compte en outre en données d’entrée les mesures de concentration en triglycérides et/ou en acides aminés dans le liquide interstitiel. [107] Le module informatisé de caractérisation 26 est ainsi adapté pour déterminer de manière répétée au cours du temps l’indice composite ic(t). [108] Le cas échéant, on dispose, au niveau du serveur 19, de plusieurs modèles, et, pour un utilisateur donné, on applique un modèle en particulier. La sélection du modèle adapté à l’utilisateur peut être faite une fois pour toute à l’initialisation du système. L’utilisateur peut sélectionner le modèle qui lui est adapté en répondant à quelques questions simples via l’interface homme-machine. On dispose ainsi, par exemple, d’un modèle pour adultes, un modèle pour enfant, et la sélection du modèle est réalisée sur la base de l’âge de l’utilisateur. D’autres répartitions ou découpages sont possibles. [109] Selon un exemple de réalisation, le module de communication 23 est adapté pour transmettre au dispositif communiquant portable 11 de manière répétée au cours du temps une valeur de l’indice composite ic(t). Cette communication se fait à une fréquence prédéterminée, ou à chaque calcul d’une nouvelle valeur de l’indice composite ic(t), ou encore lors de l’utilisation du programme d’ordinateur embarqué sur le dispositif communiquant portable 11, par exemple. [110] Comme représenté sur la figure 5, le dispositif communiquant portable 11 est adapté pour afficher sur son affichage 18 une courbe 28 représentant l’indice composite ic(t) (en ordonnée) au cours du temps (en abscisse). L’échelle de temps affichée peut être prédéterminée, par exemple les dernières 24 heures. L’affichage 18 peut également présenter une valeur de référence pour la courbe ic(t), par exemple sous la forme d’une droite 29 horizontale comme par exemple une valeur de référence prédéterminée, une valeur initiale, une valeur moyenne sur l’intervalle de temps affiché, ou autre. [111] L’affichage 18 peut également présenter les évènements, par exemple les repas et les phases de sommeil et d’exercice physique, déclarés ou détectés, ou le cycle jour-nuit, présentés par des contenus informatifs 30 disposés à l’instant correspondant. [112] La partie de la courbe ic(t) 28 figurant en-dessous de la droite 29 de référence correspond à une période de déstockage de graisse, alors que la partie de la courbe ic(t) 28 figurant au-dessus de la droite 29 de référence correspond à une période de stockage de graisse. [113] L’affichage peut également comporter un menu 39 permettant d’accéder à différentes fonctions comme un paramétrage des données ou préférences de l’utilisateur, l’accès aux questionnaires, aux formulaires de déclaration, à l’historique. Le menu 39 peut par exemple comporter un bouton permettant de commander un changement de l’intervalle de temps (borne et/ou durée) de la courbe affichée. [114] Le système informatisé comprend également un module informatisé de recommandation 31. Le module informatisé de recommandation 31 est adapté pour traiter les données d’entrée, telles que présentées ci-dessus, et déterminer, à partir de ces données, une recommandation personnalisée pour l’utilisateur. [115] Le module informatisé de recommandation 31 peut prendre en entrée les données listées ci-dessus. Il peut également prendre en entrée les valeurs ic(t), qui sont obtenues à partir de ces données d’entrée, ou d’autres données interprétées établies à partir des données d’entrée, comme présenté ci-dessous dans la discussion relative au module informatisé d’interprétation 33. [116] Le module informatisé de recommandation 31 a accès à une base de données de recommandations 32. [117] La base de données de recommandations 32 peut comprendre plusieurs recommandations. Par exemple, les recommandations sont classées par catégories. On peut par exemple classifier les recommandations chacune dans une ou plusieurs catégories parmi la nutrition, le sommeil, la santé, l’organisation, l’activité physique, la psychologie. D’autres catégories peuvent être envisagées. La liste de recommandations potentielles qui suit n’est pas exhaustive, et peut être mise à jour régulièrement dans la base de données de recommandations 32. Les recommandations peuvent concerner la nutrition, voire plus généralement le style de vie de l’utilisateur. [118] Parmi les recommandations relatives à la nutrition, on peut par exemple lister : • Abaisser la quantité d’un type particulier d’aliment, • Augmenter la quantité d’un type particulier d’aliment, • Remplacer d’un type d’aliment par un autre, • Instaurer une pratique régulière limitant le déstockage de graisse, • Changer de régime alimentaire en ce qui concerne le rapport glucides/graisses, la quantité de glucides et/ou la quantité de graisses, • Changer de type de glucides ou de graisse, • Changer de rythme de repas (nombre, horaire, espacement, volume, …), • Ajuster l’alimentation en fonction des activités physiques, • Consommer des micro-nutriments, • Ajuster son hydratation ; • … [119] Parmi les recommandations relatives au sommeil, on peut par exemple lister : • Modifier une activité pré-nocturne ; • … [120] Parmi les recommandations relatives à la santé, on peut par exemple lister : • Prendre du repos ; • Tester des exercices de respirations ; • … [121] Parmi les recommandations relatives à l’organisation, on peut par exemple lister : • Changer de source d’alimentation ; • Utiliser des recettes recommandées ; • Utiliser un menu recommandé ; • Utiliser une liste de courses recommandée, • Planifier des créneaux horaires pour faire les courses ou les faire livrer, faire la cuisine, … • - … [122] Parmi les recommandations relatives à l’activité physique, on peut par exemple lister : • Augmenter l’activité entre les sessions d’exercice physique, • Exercer une nouvelle activité physique, • Adapter la durée et l’intensité d’une session d’exercice physique couramment pratiquée, • Adapter le nombre hebdomadaire de sessions d’exercice physique, • Adapter l’horaire des sessions d’exercice physique couramment pratiquée, • … [123] Parmi les recommandations relatives à la psychologie, on peut par exemple lister : • Essayer de déterminer si les repas sont des repas émotionnels ou suscités par la faim, • Consulter un psychologue nutritionniste, • … [124] La liste de recommandations disposée dans la base de données 32 peut être une liste générale. En variante, il peut s’agir d’une liste personnalisée pour l’utilisateur. Un module informatisé de sélection 34 est adapté pour sélectionner, dans une liste générale de recommandations, une liste personnalisée de recommandations adaptées à l’utilisateur, à partir de l’identité de l’utilisateur, de ses goûts et/ou de ses contraintes, saisies par l’intermédiaire de l’interface homme- machine 17, comme cela sera décrit plus loin. Par exemple, si une recommandation de la liste générale est de consommer un certain aliment, et que l’utilisateur déclare dans ses goûts ne pas aimer cet aliment, cette recommandation n’est pas conservée dans la liste personnalisée des recommandations. [125] Le module informatisé de recommandation 31 est adapté pour déterminer au moins une recommandation (par exemple une seule recommandation, au plus cinq recommandations) adaptée à l’utilisateur, dans la liste de recommandations disponible dans la base de données de recommandation 32. [126] Pour cela, le module informatisé de recommandation 31 est adapté pour déterminer la pertinence d’une recommandation pour l’utilisateur. [127] Par exemple, le module informatisé de recommandation 31 comprend un ensemble de règles déterminant un niveau de pertinence de chaque recommandation à partir de données de l’utilisateur. [128] Les règles peuvent utiliser une ou plusieurs données relatives à l’utilisateur. [129] Chaque règle peut être identifiée par un identifiant ri, où l’indice i varie de 1 à n, n représentant le nombre de recommandations, de sorte qu’on peut définir le niveau de pertinence p à partir d’une fonction de pertinence pi de la règle ri pour l’utilisateur uk , où l’indice k varie de 1 à m, n représentant le nombre d’utilisateurs, de la manière suivante : p = pi (ri, uk). Le niveau de pertinence p est par exemple un paramètre adimensionné rapporté sur une échelle de 0 à 1. [130] Selon un exemple, une fonction pi pour une recommandation i peut être définie de la manière suivante : • p = 0 si P > Pd ; et • p = 1 si P < Pd, [131] où P représente le poids de l’utilisateur, et Pd représente un poids prédéterminé. [132] Une telle règle permet d’exclure des recommandations une règle inappropriée si le poids de l’utilisateur dépasse un poids prédéterminé. Une telle fonction peut être appliquée pour les recommandations relatives à certains exercices physiques. [133] Le module informatisé de recommandation 31 est ainsi mis en œuvre pour déterminer un nombre prédéterminé de règles adaptées à l’utilisateur, à partir des données relatives à l’utilisateur. [134] Les données relatives à l’utilisateur peuvent être utilisées de manière brute par le module informatisé de recommandation 31. C’est le cas par exemple du poids de l’utilisateur, comme décrit ci-dessus. [135] En variante ou en complément, les données relatives à l’utilisateur peuvent être interprétées par un module informatisé d’interprétation 33 à partir des données relatives à l’utilisateur. [136] Le module informatisé d’interprétation 33 fournit une donnée interprétée relative à l’utilisateur, déterminée à partir des données brutes. Un exemple de mise en œuvre est par exemple décrit ci-dessous en relation avec la figure 6. [137] La figure 6 représente schématiquement la courbe ic(t) déterminée comme décrit ci-dessus pour l’utilisateur pour un intervalle de temps prédéterminé. Par exemple, l’intervalle de temps prédéterminé peut être écrit [t0-Tp ; t0], où t0 est un instant prédéterminé, par exemple l’instant présent, ou l’instant pour lequel la dernière mesure ic(t) est disponible, ou encore minuit la veille, et Tp est une durée prédéterminée, par exemple 3 heures ou 1 jour. [138] En soi, la courbe ic(t) sur l’intervalle de temps [t0-Tp ; t0] est déjà une donnée interprétée. [139] On peut déterminer d’autres données interprétées à partir de la courbe ic(t), comme par exemple l’amplitude maximum ou minimum, l’instant de l’amplitude maximum ou minimum par rapport à l’intervalle de temps [t0-Tp ; t0] et/ou par rapport à l’instant présent ; une grandeur statistique associée au champ ic(t), comme par exemple la valeur moyenne, une valeur moyenne pondérée, un écart- type ; une vitesse ou une accélération maximale de la courbe ; un point d’inflexion ; une aire au-dessus ou en-dessous d’une valeur de référence, ou une différence entre ces aires, … [140] Par exemple, une donnée interprétée à partir du champ ic(t) sur l’intervalle de temps [t0-Tp ; t0] correspond à une différence E entre l’aire au-dessus d’une valeur de référence et l’aire en-dessous de cette valeur de référence sur l’intervalle de temps considéré, représentatif du stockage net de graisse sur l’intervalle de temps considéré. [141] D’autres exemples de détermination de données interprétées Ei à partir des données utilisateurs sont possibles. On peut par exemple utiliser en entrée la concentration mesurée en corps cétoniques dans le liquide interstitiel pour déterminer une donnée interprétée relative à un repas ou un exercice physique. [142] Les fonctions de pertinence pi sont par exemple déterminées au cours d’une phase amont d’apprentissage, qui sera décrite plus loin. [143] Ainsi, le module informatisé de recommandation 31 détermine une ou plusieurs recommandations pertinentes pour l’utilisateur sur la base des résultats des fonctions de pertinence, et présente ces recommandations à l’utilisateur par l’intermédiaire de l’interface homme-machine 17. La recommandation choisie est alors sélectionnée par l’utilisateur. [144] En variante, le module informatisé de recommandation 31 fournit une liste de recommandations à l’utilisateur avant d’avoir déterminé leur pertinence et, si l’utilisateur choisit préalablement dans cette liste une recommandation, le module informatisé de recommandation 31 informe l’utilisateur du score de pertinence associé à cette recommandation pour lui, le cas échéant, en regard des recommandations déterminées automatiquement par le module informatisé de recommandation 31 et leur score de pertinence. L’utilisateur est alors libre de sélectionner la recommandation choisie parmi les recommandations déterminées automatiquement et celle choisie préalablement par l’utilisateur. [145] In fine, la recommandation choisie par l’utilisateur est enregistrée en mémoire. [146] Le module informatisé de recommandation 31 est par exemple fourni dans le dispositif communiquant portable 11. [147] Typiquement, le module informatisé de recommandation 31 se base sur des données relatives à l’utilisateur s’étendant sur une période d’au moins plusieurs jours, typiquement d’au moins une semaine. Une telle durée semble utile pour pouvoir déterminer des données interprétées de l’utilisateur pertinentes pour la mise en œuvre d’une recommandation. [148] Le module informatisé d’interprétation 33 est ainsi adapté pour déterminer de manière répétée une valeur pour un paramètre interprété. L’évolution temporelle de ce paramètre interprété peut être prise en compte par le module informatisé de recommandation. Ainsi, en particulier, pour déterminer la valeur d’un paramètre interprété à l’instant t, le module informatisé d’interprétation 33 peut utiliser l’historique de données de l’utilisateur, et comparer les données récentes à l’historique de données interprétées de l’utilisateur, afin d’identifier des données passées ressemblant aux données actuelles, et ayant déjà été interprétées. La notion de « ressemblance » peut être déterminée par un calcul de distance entre deux champs de données. Par exemple, si le stockage de graisse associé à un repas d’un type particulier (par exemple le « petit déjeuner ») a été identifié par le passé, le module informatisé d’interprétation cherchant à interpréter un signal présent compare ce signal avec un signal passé associé à un stockage de graisse associé à ce type de repas et, en cas de comparaison positive, le signal présent est interprété comme un stockage de graisse associé à ce type de repas. La comparaison est positive si la distance entre les deux signaux est inférieure à un certain seuil prédéterminé. [149] Le module informatisé d’interprétation 33 peut n’avoir recours qu’aux données de l’utilisateur. En variante ou en complément, le module informatisé d’interprétation 33 peut utiliser des données relatives à d‘autres utilisateurs, stockées dans la base de données 25. En effet, certains évènements peuvent être similaires pour différents utilisateurs, et il est possible d’augmenter drastiquement le volume de données de comparaison disponibles pour mettre en œuvre une interprétation. [150] En résumé, le module informatisé d’interprétation 33 comprend un historique de données interprétées comprenant des données brutes, et des données interprétées associées par le passé à ces données brutes, et détermine la donnée interprétée par comparaison des données brutes instantanées de l’utilisateur avec les données brutes de l’historique. Quand la comparaison des données brutes instantanées et des données brutes de l’historique est inférieure à un seuil prédéterminé, les données brutes instantanées sont associées à la donnée interprétée associée dans l’historique avec ces données brutes de l’historique. [151] Le module informatisé d’interprétation 33 peut aussi intéragir avec l’utilisateur pour labelliser une donnée. Si le module informatisé d’interprétation 33 estime avoir un niveau de confiance faible en l’interprétation d’une donnée, il peut commander l’interaction avec l’utilisateur, en fournissant la donnée brute, la proposition d’interprétation, et une possibilité de confirmation/infirmation à l’utilisateur via l’interface homme-machine 17. On peut par exemple prévoir une fenêtre pop-up sur l’affichage 18, munie de boutons « Oui »/ »Non » commandables. Le niveau de confiance faible peut être déterminé quand la distance entre le signal et les données interprétées auxquelles il est comparé est comprise dans un intervalle prédéterminé (en dehors de cette intervalle, soit la distance est faible, et le signal est interprété sans soumission à l’utilisateur, soit la distance est élevée, et le signal est considéré comme sans lien avec le signal interprété). [152] Le paramètre est déterminé de manière répétée, par exemple une fois par jour. Il peut être associé à une partie de journée, par exemple, à savoir le matin, la mi-journée, l’après-midi, le soir ou la nuit. Typiquement, le paramètre peut être associé aux repas, ou à un type de repas. Ainsi, par exemple, un paramètre peut être déterminé pour une période de durée prédéterminée qui suit le petit-déjeuner chaque jour, ou qui suit chaque repas. [153] Le système comprend en outre un module informatisé d’interrogation 37 adapté pour déclencher une interface avec l’utilisateur en vue d’obtenir des informations de l’utilisateur. Le déclenchement peut être basé sur le temps, et/ou sur les données utilisateur, et/ou en fonction d’une interaction de l’utilisateur avec le dispositif portatif communiquant 11. Par exemple, le déclenchement a lieu tous les matins à 8 heures, ou est basé sur une analyse de données utilisateur. Dans ce cas, le module informatisé d’interrogation 37 est utilisé pour assister le module informatisé d’interprétation 33. Ainsi, si le module informatisé d’interprétation 33 n’est capable d’interpréter les données mesurées qu’avec un niveau de confiance inférieur à un certain seuil, il peut sélectionner une ou plusieurs questions en fonction du niveau de confiance dans l’interprétation des données, qui vont être affichées par le module informatisé d’interrogation 37, de sorte que la réponse saisie par l’utilisateur est utilisée pour interpréter les données. [154] Le module informatisé d’interrogation 37 pilote l’interface homme- machine 17 en vue d’obtenir des informations. Par exemple, on peut prévoir l’affichage de fenêtres sur l’affichage 18, permettant à l’utilisateur de saisir des informations. [155] Les informations en question peuvent être relatives par exemple à l’alimentation, à l’exercice physique, aux émotions/stress et/ou au sommeil. [156] Par exemple, en ce qui concerne l’alimentation, on peut utiliser les questions suivantes, et les informations saisies en réponse aux questions : • Que venez-vous juste de manger/boire (type de nourriture/boisson, quantité) ? • … [157] Cette question est par exemple déclenchée à une heure typique préprogrammée qui suit un repas, ou en cas de détection d’augmentation instantanée du stockage de graisse dans les données utilisateur. [158] Par exemple, en ce qui concerne l’exercice physique, on peut utiliser les questions suivantes, et les informations saisies en réponse aux questions : • Avez-vous été actif aujourd’hui ? • Etes-vous fatigué ? • … [159] Ces questions sont par exemple déclenchées en fin de journée. [160] En ce qui concerne l’exercice physique, on peut utiliser aussi les questions suivantes, et les informations saisies en réponse aux questions : • Quel genre d’exercice physique venez-vous de faire ? • Pendant combien de temps ? • A quelle intensité ? • Comment vous sentez-vous ? • … [161] Ces questions sont par exemple déclenchées en cas de détection d’exercice physique. [162] Par exemple, en ce qui concerne les émotions et le stress, on peut utiliser les questions suivantes, et les informations saisies en réponse aux questions : • Comment s’est passée votre journée ? • Quel est votre niveau de satisfaction ? • Avez-vous été stressé aujourd’hui ? • Etes vous blessé ou malade ? • Ressentez-vous une émotion particulière ou un stress particulier en ce moment ? • … [163] Ces questions sont par exemple déclenchées en fin de journée ou à l’ouverture de l’application par l’utilisateur. [164] Par exemple, en ce qui concerne le sommeil, on peut utiliser les questions suivantes, et les informations saisies en réponse aux questions : • Avez-vous bien dormi ? • Votre temps de sommeil a-t-il été décalé par rapport à d’habitude ? • Avez-vous plus ou moins dormi que d’habitude cette nuit ? • … [165] Ces questions sont par exemple déclenchées le matin, ou en cas où un traitement de données détecte une donnée inhabituelle pendant la nuit précédente. Le caractère inhabituel d’une donnée peut être estimé en estimant une distance entre une donnée et des données passées pour la même période de temps correspondant à des jours précédents. [166] Comme représenté sur la figure 4, le serveur informatique 19 a accès à une base de données 25 d’utilisateurs. La base de données d’utilisateurs 25 comprend des données relatives à différents utilisateurs de systèmes de détection 1. Ainsi, la base de données d’utilisateurs 25 stocke, pour différents utilisateurs u, des données temporelles de concentration en analytes au(t), ainsi que des informations relatives aux utilisateurs u, telles que listées ci-dessus (poids, repas, sommeil, etc…). Le cas échéant, la base de données d’utilisateurs 25 est constituée lors d’un essai pré-clinique, ou avant la mise en service du système informatisé pour les utilisateurs. [167] Le système informatisé comprend un module informatisé d’évaluation 35 adapté pour déterminer un paramètre d’évaluation de l’impact I de la recommandation sur l’utilisateur. [168] Le paramètre d’évaluation de l’impact peut être déterminé plusieurs fois au cours du temps, de sorte que les valeurs déterminées sont renseignées dans le champ I(t). [169] Le paramètre d’évaluation de l’impact I(t) correspond, pour un paramètre de contrôle, à une différence entre d’une part la valeur de ce paramètre à l’instant t, et d’autre part une prédiction de la valeur de ce paramètre de contrôle à l’instant t, cette prédiction étant réalisée à un instant t-δt antérieur à t, dans l’hypothèse où la recommandation n’était pas suivie. [170] Le module informatisé prédictif 36 est ainsi mis en œuvre pour l’instant t- δt, par exemple au moment de la sélection par l’utilisateur de la recommandation, et détermine, pour l’instant t, une prédiction de la valeur du paramètre de contrôle en l’absence de suivi de la recommandation. [171] Le module informatisé prédictif 36 se base par exemple sur l’historique de données relatives à l’utilisateur déjà obtenu à l’instant t-δt pour déterminer la prévision. [172] Par exemple, si le paramètre de contrôle est le poids de l’utilisateur, et que l’historique de l’utilisateur montre que, sur la semaine précédente, le poids est resté stable, alors le module informatisé prédictif 36 prédit que le poids resterait stable en l’absence de suivi de la recommandation. [173] Le module informatisé d’évaluation 35 compare alors la valeur du paramètre d’évaluation de l’impact avec le but recherché par l’utilisateur. Par exemple, si le but recherché par l’utilisateur est une perte de poids, et que la valeur du paramètre d’évaluation de l’impact correspond à une perte de poids, alors la recommandation est déterminée comme ayant eu un impact positif. En d’autres termes, la recommandation est jugée efficace. [174] Si la recommandation est jugée inefficace, la recommandation peut être supprimée de la liste personnalisée de recommandations par le module informatisé de sélection 34. [175] Si la recommandation est jugée efficace pour le but recherché, cette information peut être transmise dans la base de données 25. Ainsi, la base de données 25 stocke les exemples de recommandations jugées efficaces. Cette information est associée aux informations de l’utilisateur, car une même recommandation peut être efficace pour un utilisateur et pas pour un autre, il importe donc de lier la recommandation et son impact aux données utilisateur. [176] Lors de la répétition de l’étape de détermination d’une recommandation, les recommandations passées pour cet utilisateur peuvent être prises en compte. Ainsi, une recommandation passée peut ne pas être sélectionnée, même dans l’hypothèse où elle aura eu un impact positif, pour varier les recommandations pour un même utilisateur. [177] Selon une variante de détermination, un module informatisé de détection de la position dans le cycle menstruel est adapté pour déterminer la position dans le cycle menstruel à partir des données d’entrée telles que présenté ci-dessus. Le cas échéant, ce module informatisé de détection de la position dans le cycle menstruel utilise également comme donnée d’entrée une mesure de température corporelle. La mesure de température corporelle est par exemple réalisée par un capteur du système de détection 1, et/ou peut être entrée via l‘interface homme-machine 17 à partir d’une mesure externe. [178] Selon une variante, le module informatisé de recommandation détermine une recommandation en prenant en outre en compte la position de l’utilisateur dans le cycle menstruel. Cette position peut être déterminée par le module informatisé de détection de la position dans le cycle menstruel, comme décrit plus haut, et/ou peut être entrée via l‘interface homme-machine 17 à partir d’une mesure externe. [179] Dans la description qui précède, on a décrit que certains processeurs étaient adaptés pour mettre en œuvre certaines opérations. Toutefois, comme les processeurs du système informatisé sont également adaptés pour communiquer entre eux, comme décrit, il est possible, dans d’autres modes de réalisation, que la répartition des tâches entre les différents processeurs soit différente. [180] Le système qui vient d’être décrit peut fonctionner comme suit. [181] Dans un premier temps, on dispose de la base de données 25 avec des données d’utilisateurs. [182] On installe le système pour un utilisateur donné. L’utilisateur installe le système de détection 1 « wearable », et installe les programmes d’ordinateur ad hoc sur son « smartphone » 11. La connexion « Bluetooth » entre le « wearable » et le « smartphone » est établie, et de temps en temps, le « smartphone » reçoit des données en provenance du système de détection 1. [183] En phase d’initialisation, l’utilisateur fournit également des informations au dispositif communiquant portable 11 par l’intermédiaire de l’interface homme- machine 17. Par exemple, le dispositif communiquant portable 11 exécute un programme d’ordinateur affichant un questionnaire sur l’affichage 17, et permettant à l’utilisateur de renseigner des informations. [184] La mémoire 13 du dispositif communiquant portable 11 stocke ainsi des informations relatives à l’utilisateur. Ces informations peuvent se rapporter à l’identité de l’utilisateur, à ses goûts, à ses contraintes et à ses objectifs. Il s’agit d’informations qui sont susceptibles de rester constantes au long de l’utilisation du système, mis à part peut-être les objectifs, qui peuvent varier, mais sur un temps long. [185] Parmi les informations relatives à l’identité de l’utilisateur, on peut par exemple lister : • L’âge • Le genre, • Le poids, • La taille, • Le régime alimentaire actuellement suivi par l’utilisateur, • Les caractéristiques de l’exercice physique régulier de l’utilisateur (type d’activité, volume horaire hebdomadaire), • L’activité relative à l’occupation de l’utilisateur (type de métier et contraintes associées (effort physique, stress, …)), • La qualité de sommeil, • Un historique médicamenteux, • Un historique médical, • Un stress, • Une nourriture usuelle, • Une consommation d’alcool, • Le recours usuel à une cuisine maison, de restaurant, de plats industriels ou artisanaux à emporter, … • … [186] Parmi les informations relatives aux goûts de l’utilisateur, on peut par exemple lister : • Ses plats et/ou boissons préférés et/ou non appréciés, • Les activités physiques préférées et/ou non appréciées, • Les activités de gestion de sommeil préférées et/ou non appréciées, • Les activités de gestion du stress préférées et/ou non appréciées, • Les activités de gestion du stress préférées et/ou non appréciées, • … [187] Parmi les informations relatives aux contraintes de l’utilisateur, on peut par exemple lister : • Les contraintes temporelles, • Les contraintes d’organisation, • Les contraintes logistiques, • Les contraintes de santé, • Les contraintes budgétaires, • Les contraintes d’accès à certaines nourritures et/ou activités physiques, • L’absence de contraintes, • La liberté à changer certains aspects relatifs à l’alimentation, l’exercice physique, le sommeil, la nourriture émotive, etc…, • … [188] Parmi les informations relatives aux objectifs de l’utilisateur, on peut par exemple lister : • La volonté de perdre de la masse grasse, • La volonté de stabiliser son corps, • La volonté de prendre du poids sans augmenter la proportion de masse grasse, • … [189] Le module informatisé de sélection 34 sélectionne, dans la liste générale de recommandations, une liste personnalisée de recommandations adaptées à l’utilisateur, à partir de l’identité de l’utilisateur, de ses goûts et/ou de ses contraintes. Le cas échéant, cette étape peut être renouvelée au cours du temps, notamment si l’identité, les goûts et/ou les contraintes déclarées par l’utilisateur évoluent. [190] Le système met ensuite en œuvre une période d’observation de l’utilisateur. [191] Pendant cette période d’observation, les données mesurées sont stockées. De plus, l’utilisateur peut utiliser l’interface homme-machine 17 de son dispositif communiquant portable pour déclarer des informations pertinentes, typiquement les repas, les périodes de sommeil, d’exercice physique et/ou de stress. [192] La période d’observation dure typiquement plusieurs jours, par exemple une semaine. [193] Pendant la période d’observation, le module informatisé d’interprétation 33 est utilisé, de manière à générer les données interprétées pour l’utilisateur, comme présenté ci-dessus. En variante, les données interprétées sont déterminées en prenant en compte en outre les informations saisies par l’utilisateur, relatives à l’identité de l’utilisateur, à ses goûts, et/ou à ses contraintes. [194] La génération de données interprétées par le module informatisé d’interprétation se poursuit à l’issue de la période d’observation. [195] A l’issue de la période d’observation, le système dispose de suffisamment de données pour mettre en œuvre le module informatisé de recommandations 31. [196] Le module informatisé de recommandations 31 est utilisé pour générer une recommandation personnalisée à l’utilisateur, comme décrit ci-dessus. [197] Pour la génération de recommandations personnalisées, le module informatisé de recommandations 31 prend en compte les données relatives à l’utilisateur, notamment les données physiologiques, mais également les données déclarées se rapportant à l’identité de l’utilisateur, à ses goûts et/ou à ses contraintes. [198] Par l’intermédiaire de l’interface homme-machine 17, l’utilisateur valide la recommandation, ou l’une des recommandations qui lui est faite. Cette validation est enregistrée en mémoire 13. [199] Le procédé décrit ci-dessus, avec une période d’observation suivie d’une recommandation, se répète alors. [200] Le module informatisé d’évaluation 35 détermine un paramètre d’évaluation de l’impact I de la recommandation sur l’utilisateur. [201] Si la recommandation est jugée inefficace, la recommandation peut être supprimée de la liste personnalisée de recommandations par le module informatisé de sélection 34. [202] Si la recommandation est jugée efficace pour le but recherché, cette information peut être transmise dans la base de données 25. Ainsi, la base de données 25 stocke les exemples de recommandations jugées efficaces. Cette information est associée aux informations de l’utilisateur, car une même recommandation peut être efficace pour un utilisateur et pas pour un autre, il importe donc de lier la recommandation et son impact aux données utilisateur. [203] Lors de la répétition de l’étape de détermination d’une recommandation, les recommandations passées pour cet utilisateur peuvent être prises en compte. Ainsi, une recommandation passée peut ne pas être sélectionnée, même dans l’hypothèse où elle aura eu un impact positif, pour varier les recommandations pour un même utilisateur. [204] Les données relatives à l’utilisateur, que ce soit les données brutes, les données interprétées, les données saisies par l’utilisateur, les recommandations implémentées, etc…, sont transmises régulièrement à la base de données 25. [205] Le serveur 19 comprend un module informatisé de détermination des fonctions de pertinence 38. Le module informatisé de détermination des fonctions de pertinence 38 détermine les fonctions de pertinence de chaque recommandation. Pour cela, le module informatisé de détermination des fonctions de pertinence 38 comprend en entrée l’historique de chaque utilisateur, notamment, pour chaque recommandation, les données utilisateurs avant la recommandation et le paramètre d’évaluation de l’impact de la recommandation. Ces données sont utilisées, par exemple par régression linéaire, pour déterminer une fonction de pertinence de la recommandation en fonction des données d’entrée utilisateur. Par exemple, si les données de nombreux utilisateurs montrent que, pour des utilisateurs en sur-poids, la recommandation de supprimer le pain de l’alimentation est bénéfique, alors que cette recommandation a peu d’impact pour les utilisateurs de poids normal, on peut établir une fonction de pertinence de cette recommandation en fonction du poids de l’utilisateur, qui est une fonction croissante. Cette étape de détermination peut être mise en œuvre une fois pour toutes, lors d’une phase amont d’apprentissage, à la mise en service du système pour tous les premiers utilisateurs, sur la base de données obtenues lors de tests pré-cliniques. Au besoin, elle peut être régulièrement mise à jour à fonction de l’enrichissement en données utilisateurs. [206] Selon un mode de réalisation, le système de détection 1 comprend plusieurs dispositifs de détection distincts du type qui se porte sur la peau. Par exemple, des dispositifs de détection distincts peuvent détecter des métabolites différents. [207] Selon un mode de réalisation un tel coach nutritionnel ne réalise aucun diagnostic d’ordre médical, en ce sens qu’il ne s’agit pas de déterminer une maladie particulière dont est atteint un utilisateur à partir des données mesurées. Un tel coach nutritionnel ne met en œuvre aucune thérapie, au sens médical, en ce que les utilisateurs du coach nutritionnel ne souffrent pas d’une maladie que le coach nutritionnel vise à guérir, que le coach nutritionnel délivre simplement une recommandation que l’utilisateur est libre de suivre ou non, et que, si l’utilisateur suit la recommandation, il ne « guérit » pas. LISTE DES SIGNES DE RÉFÉRENCE 1 : Système de détection 2 : Peau 3 : surface inférieure 4 : couche de colle 5 : micro-aiguilles 6 : système électronique 7 : micro-processeur 8 : mémoire 9 : alimentation électrique 10 : module de communication 11 : dispositif communiquant portable 12 : processeur 13 : mémoire 14 : alimentation électrique 15 : premier module de communication 16 : deuxième module de communication 17 : interface homme-machine 18 : affichage 19 : serveur 20 : processeur 21 : mémoire 22 : alimentation électrique 23 : module de communication 25 : Base de données 26 : module informatisé de caractérisation 28 : courbe 29 : droite 30 : contenu informatif 31 : module informatisé de recommandation 32 : Base de données de recommandations 33 : module informatisé d’interprétation 34 : module informatisé de sélection 35 : module informatisé d’évaluation 36 : module informatisé prédictif 37 : module informatisé d’interrogation 38 : module informatisé de détermination des fonctions de pertinence 39 : menu