Dans un monde où la technologie et la santé se rencontrent de plus en plus, les capteurs médicaux portables offrent des possibilités inédites pour le suivi de la santé à distance et l’évaluation des traitements. Découvrez comment une plateforme d’apprentissage automatique pourrait révolutionner la manière dont nous utilisons ces données.
Les capteurs médicaux portables ont permis de recueillir une multitude de données, allant des mouvements musculaires à la fréquence cardiaque, en passant par la respiration ou encore les habitudes de parole et de déglutition. Cependant, l’interprétation de ces données pour établir des diagnostics et des plans de traitement peut s’avérer complexe pour les professionnels de santé.
Des chercheurs en ingénierie ont mis au point une plateforme d’apprentissage automatique capable d’analyser et de prédire plus efficacement les données recueillies par ces capteurs, comme le rapporte la revue Nature Communications. Ils ont appliqué cette plateforme à un nouveau capteur de gorge portable et extensible qui enregistre les vibrations et les impulsions musculaires électriques de la région du cou pour surveiller les habitudes de parole et de déglutition de l’utilisateur.
Un capteur de gorge portable pour un suivi continu
« Il est nécessaire d’avoir des dispositifs doux et extensibles sur la gorge dans le marché des soins de santé pour surveiller en continu les mouvements musculaires et de déglutition des patients atteints de troubles de la gorge afin de les diagnostiquer et de les traiter correctement », a expliqué le chercheur principal Huanyu Cheng, professeur associé en science et mécanique de l’ingénierie à l’Université de Penn State. « Les dispositifs actuellement en usage ne fournissent que des informations limitées sur l’état de santé du patient et sont encombrants et inconfortables. »
Le patch portable est composé d’une interface d’électrode en hydrogel composite, conçue pour résister aux mouvements de l’utilisateur sur la surface de la peau tout en maintenant une bonne qualité de signal, selon Huanyu Cheng. Le matériau hydrogel insoluble est flexible et facile à appliquer et à retirer.
Des données précieuses pour les professionnels de santé
Le capteur en hydrogel recueille les vibrations et les données de mouvement musculaire pour alimenter un algorithme d’apprentissage automatique pour l’analyse, selon le co-chercheur principal Libo Gao, professeur associé à l’Institut Pen-Tung Sah de Micro-Nano Science et Technologie à l’Université de Xiamen, en Chine. Après la collecte et l’analyse des données, celles-ci sont envoyées à une interface cloud personnalisée, où les professionnels de santé peuvent y accéder à distance.
« Les données du patient sont collectées par le patch à différentes fréquences, en fonction du type de statistique, comme la déglutition, la parole ou la respiration », a indiqué Libo Gao. « L’algorithme regroupe les quatre fréquences en une seule sortie simplifiée, ce qui rend les données beaucoup plus utiles pour les professionnels de santé qui peuvent rapidement les consulter et les juger. »
En synthèse
Cette technologie offre un potentiel considérable pour améliorer le suivi de la santé à distance. L’algorithme a des capacités adaptatives et des fonctions de mémoire, ce qui signifie qu’après avoir collecté les données de mouvement de la gorge du patient pendant une minute et s’être entraîné hors ligne pendant trois heures, il peut prédire les données du patient avec plus de 90% de précision, selon Libo Gao.
Les cliniciens peuvent utiliser ces données prédictives pour informer les diagnostics plus tôt, ainsi que pour prédire comment les traitements peuvent fonctionner, a déclaré Cheng. « L’apprentissage automatique adaptatif pourrait également aider à prendre en compte les différences individuelles dans les données parmi une large population, de sorte que les chercheurs peuvent faire des inférences sur la santé d’une large population sur la base de jeux de données individuels », a dit en conclusion le Pr. Cheng.
Pour une meilleure compréhension
Qu’est-ce qu’un capteur médical portable ?
Un capteur médical portable est un dispositif qui peut être porté sur le corps et qui recueille des données sur divers aspects de la santé d’une personne, comme la fréquence cardiaque, la respiration, les mouvements musculaires, etc.
Comment fonctionne la plateforme d’apprentissage automatique ?
La plateforme d’apprentissage automatique analyse et prédit les données recueillies par les capteurs. Elle est capable de regrouper différentes fréquences de données en une seule sortie simplifiée, ce qui facilite l’interprétation des données par les professionnels de santé.
Qu’est-ce que l’hydrogel et pourquoi est-il utilisé dans le capteur ?
L’hydrogel est un matériau flexible et insoluble qui peut être appliqué directement sur la peau. Il offre une propriété conductrice pour les capteurs, ce qui permet de recueillir des données de haute qualité.
Comment les données sont utilisées pour informer les diagnostics et les traitements ?
Les données recueillies par le capteur sont analysées par l’algorithme d’apprentissage automatique, qui peut prédire les données du patient avec une grande précision. Ces données prédictives peuvent être utilisées par les cliniciens pour établir des diagnostics plus tôt et prédire l’efficacité des traitements.
Quels sont les avantages de cette technologie pour le suivi de la santé à distance ?
Cette technologie permet un suivi continu et précis de la santé d’une personne à distance. Elle peut aider à détecter les problèmes de santé plus tôt et à évaluer l’efficacité des traitements, ce qui peut conduire à de meilleurs résultats de santé.
Références
Légende illustration principale : Des chercheurs en ingénierie ont créé un nouveau capteur de gorge extensible et portable qui enregistre les vibrations et les impulsions musculaires électriques de la région du cou afin de surveiller les schémas d’élocution et de déglutition de l’utilisateur. Crédit : fourni par Huanyu Cheng.
Article : « A fully integrated, standalone stretchable device platform with in-sensor adaptive machine learning for rehabilitation » – DOI: nature.com/articles/s41467-023-43664-7
