Capteurs portables et IA : une révolution dans l'évaluation de la stabilité des patients
ParisDes chercheurs du Collège d'ingénierie et d'informatique de l'Université Florida Atlantic ont mis au point une nouvelle méthode pour mesurer l'équilibre. Cette technique, qui utilise des capteurs portables et des programmes informatiques intelligents, pourrait révolutionner le suivi des problèmes d'équilibre, notamment pour les soins à domicile ou dans les maisons de retraite.
Les limites des tests d'équilibre classiques posent problème. Ils nécessitent souvent du matériel coûteux et spécifique. Les résultats varient selon la compétence du clinicien. En outre, ces tests ne peuvent pas être réalisés à distance. Par conséquent, il est crucial de développer des outils plus efficaces et complets.
La nouvelle méthode utilise des capteurs portables fixés au corps. Lors de l'étude, des capteurs ont été placés sur les chevilles, le bas du dos, la poitrine, le poignet et le bras des participants. Les chercheurs ont employé le Test Clinique Modifié de l'Interaction Sensorielle sur l'Équilibre (m-CTSIB), qui évalue la capacité d'une personne à maintenir son équilibre dans différentes situations sensorielles.
- Yeux ouverts sur une surface stable
- Yeux fermés sur une surface stable
- Yeux ouverts sur une surface en mousse
- Yeux fermés sur une surface en mousse
Chaque test durait environ 11 secondes sans interruption. Cela rendait les tests d'équilibre continus et accélérait le processus d'évaluation.
Des chercheurs ont utilisé des capteurs IMU et un système spécialisé pour recueillir des données de mouvement. Ils ont ensuite traité ces données et extrait de nombreuses caractéristiques pour les analyser. Pour estimer les scores m-CTSIB, ils ont employé des modèles de Régression Linéaire Multiple, de Support Vector Regression et d’algorithmes XGBOOST. Les données des capteurs portables ont servi d’entrées pour ces modèles d'apprentissage automatique, tandis que les scores m-CTSIB de Falltrak II ont été utilisés comme étiquettes vraies pour l'entraînement et la validation.
Des chercheurs ont mis au point plusieurs modèles d’apprentissage automatique pour prédire les scores du m-CTSIB à partir de données provenant de capteurs portables. Ils ont aussi étudié quels emplacements de capteurs étaient les plus efficaces pour analyser l’équilibre. Les résultats ont montré que les modèles étaient très précis et correspondaient étroitement aux scores réels d’équilibre.
Les données provenant des capteurs placés sur le bas du dos et la cheville dominante ont révélé les meilleurs résultats pour l'évaluation des scores d'équilibre. Cela souligne l'importance cruciale de positionner les capteurs aux endroits stratégiques afin de capter avec précision les ajustements et mouvements de l'équilibre.
Dr. Behnaz Ghoraani, professeure à l’Université FAU, a expliqué que les capteurs portables sont des outils pratiques et abordables pour surveiller les mouvements. Placés sur le bas du dos et les jambes, ces capteurs fournissent des informations précieuses sur la manière dont les gens se déplacent. Ceci est crucial pour évaluer le risque de chutes dans divers groupes de personnes.
Dr Stella Batalama, doyenne de la Faculté de génie et d'informatique de la FAU, a déclaré que cette méthode est plus facile à utiliser et moins coûteuse. Elle peut être gérée à distance, ce qui pourrait avoir un impact considérable sur les soins de santé, la rééducation et la science du sport.
Les objectifs de l'étude sont motivés par le besoin de meilleurs outils pour évaluer l'équilibre. Les méthodes traditionnelles manquent de précision, rendant difficile la compréhension et le traitement des problèmes d'équilibre. Les dispositifs portables offrent une solution en permettant aux médecins de surveiller l'équilibre des patients à distance.
Les résultats de recherche ont été publiés dans Frontiers in Digital Health. Ils indiquent que cette nouvelle méthode pourrait transformer la manière de mesurer l'équilibre, notamment dans des endroits où les méthodes actuelles sont inappropriées ou difficiles à obtenir.
L'étude est publiée ici:
http://dx.doi.org/10.3389/fdgth.2024.1366176et sa citation officielle - y compris les auteurs et la revue - est
Marjan Nassajpour, Mustafa Shuqair, Amie Rosenfeld, Magdalena I. Tolea, James E. Galvin, Behnaz Ghoraani. Objective estimation of m-CTSIB balance test scores using wearable sensors and machine learning. Frontiers in Digital Health, 2024; 6 DOI: 10.3389/fdgth.2024.136617618 novembre 2024 · 14:36
Étudier le comportement des souris avec précision grâce à l’IA et à moins d’animaux
18 novembre 2024 · 12:24
L'IA détecte rapidement les tumeurs cérébrales invisibles lors d'interventions chirurgicales
17 novembre 2024 · 11:45
L'IA prédictive cible les sites à risque pour une surveillance améliorée des eaux souterraines
Partager cet article