L'étude de l'Université d'État de Pennsylvanie, probablement issue des techniques avancées facilitant le diagnostic précoce des maladies neuromusculaires chez les nourrissons, est peut-être la première étude résultant de l'utilisation de technologies de pointe. La création d'une chaire de génie mécanique en mémoire de James L. Henderson Jr. a constitué une avancée majeure, impulsée par l'équipe de Larry Cheng qui a introduit une méthodologie novatrice basée sur les dispositifs portables et l'apprentissage automatique, permettant une précision exceptionnellement élevée dans la reconnaissance et la catégorisation des nouveau-nés à risque.
Une technologie innovante pour lutter contre les maladies neuromotrices
Cette étude de cas récente, intitulée « Progrès en science », repose sur un réseau d'unités de mesure inertielle (IMU) sans fil et souples, associé à un algorithme d'apprentissage automatique miniature. Ce système permet de surveiller l'activation spontanée des fonctions motrices des nourrissons et les signes de troubles ou d'évolution de leur développement, comme la paralysie cérébrale. Ce système robotique d'intelligence artificielle est conçu pour détecter les schémas moteurs anormaux révélateurs de la paralysie cérébrale et des troubles du spectre autistique, ce qui constitue l'objectif principal de cette technologie.
Le Dr Cheng a clairement indiqué que ces mouvements sont un indicateur du développement neuronal général du nourrisson de 0 à 20 semaines. Les méthodes conventionnelles, où des experts établissent généralement un diagnostic par évaluation visuelle des symptômes, sont souvent entachées d'erreurs humaines, de conditions météorologiques extrêmes et de la complexité de la configuration vidéo. La technologie de capteurs proposée par Cheng présente deux avantages majeurs en termes d'objectivité et de praticité. Ces améliorations permettent de réduire le temps nécessaire à un diagnostic plus précoce et plus précis.
Détection précoce des troubles neuromoteurs grâce à une nouvelle technologie de capteurs
Les capteurs sont de plus en plus utilisés dans le secteur du fitness depuis un certain temps, une tendance qui devrait se poursuivre dans les années à venir, compte tenu de leur capacité à mesurer l'activité physique en temps réel. Ces données sont extrêmement précieuses pour les utilisateurs qui souhaitent suivre leurs progrès et atteindre leurs objectifs de remise en forme.
Ce système de capteurs, développé par l'équipe de Cheng, possède des propriétés mécaniques similaires à celles de la peau humaine, ce qui le rend idéal pour la peau délicate d'un nourrisson. Le front, les poignets et les chevilles du nourrisson ont été choisis comme emplacements d'installation des cinq premières centrales inertielles (IMU), formant un réseau clairsemé qui capture l'ensemble des mouvements de l'enfant sans être intrusif. Ces données brutes sont ensuite traitées par l'algorithme d'apprentissage automatique de l'équipe, qui utilise un algorithme personnalisé pourdentles schémas de mouvement comme étant « normaux », « à haut risque » ou « anormaux »
« Ainsi, cette méthode améliore non seulement la précision des diagnostics, mais réduit aussi considérablement les coûts et les matériaux nécessaires, contrairement aux méthodes de diagnostic utilisées auparavant », a déclaré Cheng. Les petits algorithmes d'apprentissage automatique sont moins utiles dans les domaines où les ressources sont limitées. L'accent est mis sur l'obtention de résultats rapides grâce à ces algorithmes, partant du principe que des cadres d'IA complexes ne sont pas nécessaires.
Amélioration des systèmes experts pour de meilleurs résultats en matière de soins de santé
L'étude pilote menée auprès de 23 nourrissons, bien que prometteuse, ne suffit pas à confirmer les résultats obtenus, car ce type d'étude comporte une marge d'erreur. Des études à grande échelle sont donc nécessaires pour valider le dispositif. Avec Cheng et son équipe, l'un de leurs objectifs est de collaborer avec des professionnels de santé, d'approfondir la connaissance du produit et d'améliorer la technologie. Le développement de ce réseau de capteurs facilitera la recherche, qui ne se limitera pas aux évaluations neuromotrices, mais englobera également l'évaluation cardiopulmonaire, la mesure des vibrations des cordes vocales et l'entraînement sportif.
L'intégration de l'intelligence artificielle et des technologies portables dans le diagnostic médical ouvre de nouvelles perspectives pour la prise en charge des jeunes enfants. Elle pourrait améliorer la mise en place d'interventions précoces et, à l'avenir, le taux de survie des enfants à risque de maladies neuromotrices. À mesure que la recherche progresse, cette technologie pourrait devenir l'outil indispensable aux médecins et aux parents pour le suivi préventif et développemental du nouveau-né.
Cette avancée majeure de Penn State souligne la nécessité et l'utilité d'une collaboration interdisciplinaire, en l'occurrence entre la médecine et l'informatique. Elle met également en lumière l'accessibilité actuelle de telles applications. Grâce à des systèmes d'intelligence artificielle compacts et performants, associés à des capteurs portables non invasifs, le diagnostic médical et la prise en charge des patients pourraient évoluer vers une approche novatrice, où la technologie simplifierait la détection et le traitement.
Cet article a initialement paru dans News Medical.
