Les progrès des technologies portables et de l'IA ouvrent de nouvelles perspectives pour la guérison des patients victimes d'un AVC
Une nouvelle étude, avec la participation de scientifiques de l'Université Simon Fraser (Canada), a montré que la combinaison de l'intelligence artificielle (IA) et de la technologie portable peut ouvrir une voie prometteuse dans l'amélioration du niveau de sécurité des patients en cours de rétablissement après un AVC.
Gustavo Balbinot, professeur agrégé de neuroréadaptation à l’Université de la Colombie-Britannique, affirme qu’une nouvelle étude ouvre la porte au développement de technologies innovantes pour améliorer la réadaptation après un AVC.
Dans une interview, il a souligné que les résultats de cette étude ne se limitent pas au traitement des survivants d'un AVC, mais pourraient également être appliqués aux personnes à risque de chutes en raison d'une perte d'équilibre due à d'autres causes telles que des étourdissements ou des lésions de la colonne vertébrale.
L'étude, publiée dans le UK Journal of Clinical Rehabilitation après un processus rigoureux d'évaluation par les pairs, a utilisé des capteurs portés sur le corps pour surveiller plus de 50 patients victimes d'AVC pendant qu'ils effectuaient des tests de mobilité.
À partir des données recueillies, l’équipe a développé des modèles de simulation de mouvement, qui ont permis d’analyser et de mieux comprendre comment les patients bougent pendant leur convalescence.
Balbinot a comparé ce processus au fait de jeter une pierre dans l'eau et d'observer les ondulations qui se propagent. Chaque personne, a-t-il expliqué, possède une fréquence de mouvement unique, une mesure qui peut refléter la stabilité ou l'irrégularité de la démarche et de l'équilibre.
Les chercheurs ont constaté que les personnes en convalescence après un AVC avaient tendance à avoir des mouvements plus fluides et plus lents, ce qui suggère une certaine prudence, tandis que les personnes en bonne santé avaient tendance à avoir des mouvements plus rapides, plus forts et plus « saccadés ».
Pour améliorer la détection des risques de chute, l’équipe a développé un logiciel propriétaire capable de décomposer les données de mouvement en intervalles de 3 secondes.
Le logiciel analyse automatiquement si les mouvements de l’utilisateur sont trop erratiques ou instables, ce qui, selon Balbinot, est essentiel pour fournir une alerte précoce lorsque des signes de danger sont détectés, évitant ainsi les chutes qui pourraient causer des blessures graves à la personne en convalescence.
L’objectif de l’équipe est d’intégrer le logiciel dans des appareils portables intelligents tels que des montres ou des bracelets, permettant aux utilisateurs de recevoir des alertes en temps réel lorsqu’il y a des signes de perte d’équilibre.
« Si le logiciel détecte un mouvement inhabituel, il peut envoyer un signal d'avertissement du type "Asseyez-vous et reposez-vous un instant" pour éviter de se retrouver dans une situation dangereuse », a-t-il expliqué. Une surveillance continue toutes les trois secondes permet une réaction quasi instantanée.
Le logiciel est également conçu pour « apprendre » à partir des données utilisateur grâce à l'apprentissage automatique. Au fil du temps, le système acquerra une meilleure compréhension des schémas de mouvement individuels de chaque patient, ce qui lui permettra de faire des prédictions plus précises sur le risque de chute.
Photo : Internet
« Ce logiciel deviendra de plus en plus intelligent et, pour chaque individu, il saura ce qui est normal et quels sont les signes auxquels il faut prêter attention », affirme Balbinot.
Les capteurs utilisés dans l'étude mesurent non seulement la vitesse, mais suivent également la direction des mouvements. Selon Balbinot, la technologie est désormais suffisamment avancée pour intégrer ces capteurs aux vêtements, ce qui simplifie leur utilisation quotidienne sans nécessiter d'équipement encombrant.
L'étude a notamment démontré que ce logiciel est utile non seulement aux patients, mais aussi aux cliniciens. Les données intuitives et faciles à interpréter du système peuvent aider les médecins à prendre des décisions thérapeutiques plus judicieuses.
L’étude conclut : « L’intégration d’algorithmes d’apprentissage automatique ouvrira la possibilité de personnaliser les stratégies de réadaptation, en analysant les schémas de mouvement individuels et en prédisant le risque de chute pour chaque patient spécifique. »
Le rapport appelle également à des études supplémentaires pour valider l’efficacité à long terme de la technologie dans les contextes cliniques et son applicabilité à différents groupes de patients.