Sensibilisation préventive grâce aux capteurs intelligents et à l'IA : Prédire l'accouchement et réduire le stress

L'Intelligence Artificielle et les Objets Connectés Repensent la Santé Préventive La combinaison de l'intelligence artificielle (IA) et des dispositifs portables offre d'innombrables possibilités pour améliorer la santé humaine à travers la recherche. Alors que les voitures disposent d'une lumière indicatrice de panne, le corps humain n'a pas de pareil signal d'alerte. Cependant, les capteurs portables pourraient y remédier en collectant des données précieuses sur notre biologie et nos fonctions corporelles, offrant ainsi une vision claire de notre état de santé. Prédire l'Accouchement grâce à l'IA Shravan Aras, Ph.D., assistant directeur de l'analyse des capteurs et des plateformes de santé intelligentes au Centre de Bio-Informatique et de Biostatistique de l'Université de l'Arizona en Sciences de la Santé, travaille à maximiser l'utilisation des capteurs portables dans la recherche scientifique. L'un des défis majeurs qu'il s'est fixé est la prédiction précise du début de l'accouchement chez les femmes enceintes. Les dates prévisibles d'accouchement sont actuellement calculées en ajoutant 40 semaines au dernier cycle menstruel. Cependant, la durée de la grossesse peut varier de 37 à 42 semaines, rendant cette méthode imprécise. Les fausses alertes sont courantes, ce qui peut entrainer des accouchements à domicile non planifiés ou une intervention tardive en cas de naissance prématurée, surtout si la femme habite loin d'un hôpital. Pour répondre à ce problème, Aras a collaboré avec Elise Erickson, Ph.D., sage-femme certifiée et professeure associée de physiologie à l'École de Médecine de l'Université de l'Arizona à Tucson et membre de l'institut BIO5. Leur étude, publiée dans le Journal BMC Pregnancy and Childbirth, a utilisé des données de capteurs portables, en particulier ceux intégrés dans des anneaux intelligents, pour développer un modèle de prédiction basé sur l'IA. Ces capteurs ont collecté des lectures de température corporelle minute par minute, contrairement aux méthodes traditionnelles qui le font quotidiennement. Aras a dirigé l'effort pour construire un réseau neuronal profond capable d'analyser ces données en temps réel. Les réseaux neuronaux profonds sont des systèmes d'apprentissage qui simulent le fonctionnement du cerveau humain, traitant les données à travers plusieurs couches de neurones virtuels. Ils utilisent des algorithmes pour apprendre de leurs erreurs et améliorer la précision de leurs prédictions. Le modèle a réussi à prédire le jour de l'accouchement spontané avec une précision de 79% dans une fenêtre de 4,6 jours avant le véritable accouchement, lorsque cette prédiction était réalisée sept jours avant le terme prévu. Si la prédiction était faite dix jours avant, le modèle avait une précision de 79% dans une fenêtre de 7,4 jours. L'équipe espère désormais tester ce modèle dans une étude plus large pour le rendre plus applicable cliniquement. Leur objectif final est de développer un logiciel qui pourrait être intégré aux produits connectés existants ou aux appareils médicaux, permettant ainsi une prévision proactive du début de l'accouchement. Mesurer le Stress avec des Capteurs Aras s'intéresse également à l'optimisation des données collectées par les capteurs. Il était l'auteur principal d'une étude intitulée "Is Greener Better? Quantifying the Impact of a Nature Walk on Stress Reduction Using HRV and Saliva Cortisol Biomarkers", publiée dans l'International Journal of Environmental Research and Public Health. Cette recherche s'est appuyée sur des données collectées il y a huit ans au Walter Reed National Military Medical Center de Bethesda. Le « Green Road » est un jardin de deux acres situé dans un vallon boisé de huit acres autour d'un ruisseau naturel. Son chemin de 1,2 mile est l'un des plus grands jardins thérapeutiques sauvages aux États-Unis. Les participants ont marché pendant 20 minutes sur deux chemins différents : le Green Road, entouré de nombreux arbres et de feuillages verts, et une route urbaine classique bordée de béton, bâtiments, parkings, panneaux et quelques petites zones herbeuses et arbres. Les chercheurs de l'Université des Services Uniformisés ont recueilli des métriques de variabilité de la fréquence cardiaque (HRV) à partir d'un capteur portable, des mesures de cortisol à partir d'échantillons de salive, ainsi que des évaluations subjectives de l'humeur et de la pleine conscience. Esther Sternberg, MD, professeure et directrice de la recherche au Centre d'Intégration Médicale Andrew Weil de l'École de Médecine de Tucson, et J. Ray Runyon, Ph.D., assistant directeur de la recherche au Centre Weil et assistant professeur à l'École d'Agriculture, de la Vie et des Sciences de l'Environnement, ont analysé ces données. Les résultats ont montré que marcher sur le Green Road avait un impact significativement positif sur la réponse au stress par rapport à la promenade urbaine. Tous les participants ont vu leur niveau de cortisol diminuer après la promenade, mais le déclin était plus important sur le Green Road. En revanche, les mesures de HRV étaient plus compliquées, avec des réponses autonomes très variables entre les individus. "Nous avons constaté que les variations de HRV variaient considérablement selon l'expérience de chacun," explique Aras. Un participant, par exemple, a vu son HRV chuter après avoir aperçu un serpent sur le Green Road, indiquant une montée soudaine du stress. Bien que cette étude n'ait pas utilisé l'IA, Aras souligne qu'elle sera intégrée dans une branche de ce projet, actuellement en cours, menée par Sternberg et Runyon. Ce projet utilise l'IA pour évaluer la réponse au stress via des biomarqueurs numériques basés sur la sueur. Les résultats devraient être publiés cet été. Perspectives Futures et Impact Industriel Ces projets ne sont que le début de l'exploitation de l'IA et des capteurs portables dans la recherche en sciences de la santé. Aras affirme que l'IA permet aux chercheurs de collecter et de gérer des masses de données de manière beaucoup plus rapide et accessible. Associée aux capteurs, l'IA offre une grande opportunité pour améliorer la santé humaine de manière proactive : "Ce qui m'intéresse maintenant, c'est d'aider les gens à utiliser différents dispositifs de capteurs que presque tout le monde porte. Mon but est de pouvoir prédire des conditions pré-symptomatiques et d'agir de manière proactive plutôt que réactive, où l'on se concentre toujours sur le traitement des symptômes." L'Université de l'Arizona, et ses instituts de recherche associés comme le BIO5, sont à la pointe de ces innovations, combinant des compétences en informatique, en physiologie et en sciences environnementales pour repousser les frontières de la médecine prédictive. Les applications potentielles de ces technologies sont vastes, desde la gestion du stress jusqu'à la surveillance pré-accouchement, contribuant à une approche plus personnalisée et efficace de la santé préventive. Les experts de l'industrie s'enthousiasment déjà pour ces avancées, anticipant d'importantes transformations dans le domaine des soins de santé. L'Université de l'Arizona, connue pour son excellence en recherche interdisciplinaire, joue un rôle crucial dans l'élaboration de ces outils, promettant d'ouvrir de nouveaux horizons dans la prévention des problèmes de santé.