IA prédictive : les wearables anticipent la sédentarité
Des chercheurs de l'Icahn School of Medicine at Mount Sinai ont mis au point un modèle d'intelligence artificielle capable de prédire les périodes de sédentarité prolongée chez les femmes souffrant de douleurs pelviennes chroniques. Ces résultats, publiés le 30 septembre dans la revue npj Women's Health, ouvrent la voie à des outils de santé numérique plus personnalisés et proactifs. Affectant environ une femme sur sept, ces douleurs sont souvent liées à des pathologies comme l'endométriose ou les fibromes utérins. La douleur et la fatigue qui les accompagnent incitent fréquemment les patientes à rester assises de longues heures, malgré les bienfaits avérés de l'activité physique régulière. Les recommandations génériques visant à réduire la sédentarité se révèlent souvent inadaptées aux contraintes quotidiennes de ces personnes. Pour mener cette étude, l'équipe a analysé jusqu'à 90 jours de données collectées par des montres connectées Fitbit portées par 134 femmes atteintes de douleurs pelviennes chroniques et 61 participantes témoins en bonne santé. En s'appuyant sur environ dix jours d'historique par individu, les chercheurs ont entraîné des algorithmes de prévision pour anticiper les niveaux d'activité une heure à l'avance. Le système est spécifiquement calibré pour détecter des fenêtres d'inactivité de quinze minutes durant les heures d'éveil, moment idéal pour déclencher une notification invitant à se lever ou à effectuer une courte marche. Une découverte majeure de ce travail réside dans l'efficacité de modèles algorithmiques légers et interprétables. Ces approches simplifiées ont obtenu des performances de prédiction comparables à celles des architectures d'apprentissage profond plus complexes. Cette simplicité présente un avantage technique considérable : les modèles peuvent s'exécuter directement sur le smartphone ou l'appareil portable de l'utilisateur. Cette exécution locale réduit la charge de traitement, préserve la confidentialité des données de santé et garantit une fiabilité accrue même en cas de lacunes dans le flux de données, situation fréquente dans la vie quotidienne. Les auteurs soulignent que cette méthodologie vise à remplacer les rappels génériques et intempestifs par un accompagnement contextuel et discret. En anticipant les moments de sédentarité, les applications pourraient offrir l'expérience d'un coach numérique personnalisé, limitant les alertes pour éviter la désactivation par les utilisateurs. L'équipe prépare désormais des essais cliniques prospectifs pour évaluer l'impact réel de ces interventions adaptatives en temps réel. L'objectif est de vérifier si des recommandations de mouvement personnalisées, guidées par l'IA, parviennent à réduire effectivement le temps d'inactivité, à soulager les symptômes et à améliorer la qualité de vie. Au-delà des douleurs pelviennes, ce cadre prédictif pourrait être adapté à d'autres pathologies chroniques où la sédentarité aggrave le tableau clinique.
