Une équipe de l'Université du Missouri travaille à adapter un système de capteurs à domicile et d'intelligence artificielle pour surveiller la santé des personnes atteintes de sclérose latérale amyotrophique (SLA). Les cliniciens manquent souvent d'informations détaillées entre les visites, car la SLA progresse différemment selon les patients. L'objectif est de détecter des signes de déclin, comme des changements de démarche ou de respiration, avant qu'ils n'entraînent une chute ou une hospitalisation.
Ces capteurs ont été initialement développés par Marjorie Skubic (College of Engineering) et Marilyn Rantz (Sinclair School of Nursing) pour des personnes âgées vivant à domicile. Bill Janes, ergothérapeute et chercheur à Mizzou, dirige l'adaptation du système avec des collègues de la School of Medicine et de l'Institute for Data Science and Informatics. L'équipe vérifie d'abord que les données des capteurs reflètent bien les changements réels de la fonction quotidienne, puis passera à une phase de modélisation prédictive.
Les signaux sont transmis sans fil depuis le domicile via deux petites boîtes, puis transférés de façon sécurisée aux systèmes de l'université. Les chercheurs utilisent l'apprentissage automatique pour construire des modèles qui estiment le score ALSFRS-R, une échelle clinique qui mesure comment la SLA affecte la marche, la parole, la déglutition et la respiration.
- prendre des nouvelles du patient,
- ajuster un médicament,
- recommander des aides techniques,
- proposer un traitement complémentaire.
Noah Marchal dirige la science des données du projet et a travaillé avec son directeur Xing Song pour mettre en place les composants d'IA. Les retours initiaux des familles sont positifs. Les chercheurs pensent aussi que cette approche pourrait servir à surveiller d'autres affections chroniques, comme la maladie de Parkinson ou l'insuffisance cardiaque. L'étude paraît dans Frontiers in Digital Health et a été rapportée par l'Université du Missouri.
Mots difficiles
- capteurs — appareil qui mesure ou enregistre des données
- apprentissage automatique — méthode où un ordinateur apprend à partir de données
- démarche — façon de marcher d'une personne
- modélisation prédictive — création de modèles pour prévoir des événements
- déglutition — action d'avaler les aliments ou la salive
- affections chroniques — maladie qui dure longtemps et revient
Astuce : survolez, mettez le focus ou touchez les mots en surbrillance dans l’article pour voir des définitions rapides pendant que vous lisez ou écoutez.
Questions de discussion
- Quels avantages et limites voyez-vous à utiliser des capteurs à domicile pour surveiller une maladie chronique comme la SLA ? Donnez des exemples concrets.
- Comment l'estimation du score ALSFRS-R à distance pourrait-elle changer la relation entre patients et cliniciens ?
- Pensez-vous que la même technologie pourrait être utile pour d'autres maladies chroniques mentionnées dans l'article ? Pourquoi ou pourquoi pas ?
Articles liés
Une IA qui apprend pourquoi les titres fonctionnent
Une étude de la Yale School of Management montre qu’une IA générative qui apprend pourquoi certains titres attirent les lecteurs produit des titres plus engageants et plus fiables. Les chercheurs utilisent des hypothèses testées sur des données A/B.
La poussière lunaire comme ressource
Des chercheurs montrent que la poussière lunaire pourrait renforcer des matériaux composites. Des tests en laboratoire avec un simulant de régolithe indiquent des gains de performance et ouvrent des pistes pour construire habitats et infrastructures sur la Lune.
Des bactéries intestinales peuvent atteindre le cerveau après un régime gras
Des chercheurs d'Emory montrent que, chez la souris, un régime riche en graisses modifie le microbiote et la perméabilité intestinale. Des bactéries vivantes ont été trouvées le long du nerf vague et dans le cerveau.
Variante génétique et risque d’insuffisance cardiaque après une myocardite chez l’enfant
Une étude montre que des variantes génétiques sont plus fréquentes chez les enfants qui développent une cardiomyopathie dilatée après une myocardite. Les auteurs recommandent davantage de tests génétiques pour identifier les enfants à risque.