2024-07-19 11:50:00
Les informations de base sont réunies en une seule étape. D’autre part, l’expérience quotidienne nous montre que les personnes âgées ont tendance à marcher moins vite et avec des foulées plus courtes que celles qui ont plusieurs années de moins, qui avancent plutôt plus vite avec des foulées plus larges. Sans parler de ceux qui souffrent d’un trouble cérébral qui impacte également les fonctions motrices.
Pour explorer scientifiquement ce que nous pouvons déjà observer avec nos yeux, un groupe de chercheurs de l’Université de Tel Aviv et du centre médical Sourasky de Tel Aviv d’Ichilov, en Israël, ont mené une étude multidisciplinaire publiée dans Médecine numérique dont l’objectif était de développer un système d’apprentissage automatique pour estimer avec précision la longueur de foulée.
Alzheimer, un diagnostic plus rapide grâce aux premières lignes directrices européennes
![](https://i0.wp.com/www.repstatic.it/content/contenthub/img/2024/02/14/180640021-3388a901-ebb6-463a-89af-46d0ddcbe96e.jpg?w=1170&ssl=1)
Ce paramètre, soulignent les chercheurs dans l’étude, est important pour détecter un large éventail de problèmes simples et de maladies graves, depuis le processus de vieillissement physiologique jusqu’aux pathologies telles que la maladie de Parkinson, la sclérose en plaques, la maladie d’Alzheimer et les maladies neurodégénératives en général.
Un capteur au dos
Pour mesurer avec précision la largeur de foulée, les chercheurs ont d’abord développé un appareil portable à fixer dans le bas du dos : un capteur qui permet une surveillance continue des pas dans la vie quotidienne d’un patient. “Les appareils de mesure classiques disponibles aujourd’hui sont fixes et encombrants, basés sur des caméras et des tapis sensibles à la pression des pieds, et ne sont donc disponibles que dans des centres spécialisés”, expliquent les chercheurs dirigés par Assaf Zadka, du Département de génie biomédical de l’Université de Tel Aviv. De plus, ces systèmes renvoient uniquement une image instantanée de la marche d’une personne, qui peut être influencée par de nombreux facteurs tout au long de la journée, tels que le niveau de fatigue, l’humeur, la prise de médicaments, etc.
« Le modèle que nous avons développé – assurent les chercheurs – permet d’effectuer des mesures précises dans l’environnement naturel du patient tout au long de la journée ». Surveillance continue, 24 heures sur 24, 7 jours sur 7, pour capturer les paramètres de marche dans le monde réel.
Comment entraîner l’algorithme
Mais en plus de la partie matérielle, il fallait également un algorithme pour être entraîné avec de grandes quantités de données et interpréter ensuite celles produites par les patients. L’équipe de recherche a donc exploité les systèmes IMU (unités de mesure inertielle), des capteurs légers et relativement bon marché installés sur pratiquement tous les téléphones portables ou montres intelligentes et mesurant les paramètres associés à la marche.
L’algorithme d’apprentissage automatique a donc été entraîné à l’aide de données sur la marche collectées sur 472 sujets dans différentes conditions, des personnes atteintes de la maladie de Parkinson aux personnes souffrant de troubles cognitifs légers, des sujets âgés en bonne santé aux adultes plus jeunes jusqu’aux patients atteints de sclérose en plaques, qui ont mis en place une base de données de 83 569 pas. Pour tester la robustesse du modèle, les chercheurs l’ont ensuite appliqué à des conditions connues afin de comprendre la précision de ses prédictions.
L’équilibre est un indicateur de bonne santé : apprenons à le mesurer et à le maintenir
chez Déborah Ameri
![](https://i0.wp.com/www.repstatic.it/content/contenthub/img/2022/11/10/162907308-79ca72c4-30ae-4bb2-a980-b426e5b1e8af.jpg?resize=125%2C125&ssl=1)
![](https://i0.wp.com/www.repstatic.it/content/contenthub/img/2022/11/10/162907308-79ca72c4-30ae-4bb2-a980-b426e5b1e8af.jpg?w=1170&ssl=1)
Un modèle précis et précis
Eh bien, l’algorithme ainsi mis en œuvre et entraîné, dit Zadka, était 3,5 fois plus précis que le modèle biomécanique le plus avancé actuellement utilisé pour estimer la longueur de foulée. L’erreur moyenne par pas était de 6 centimètres, par rapport aux 21 prédits par le modèle conventionnel. « Lorsque nous avons évalué une moyenne de 10 pas, nous sommes arrivés à une erreur de moins de 5 centimètres, un seuil connu dans la littérature comme « la différence minimale d’importance clinique », qui nous permet d’identifier une amélioration ou une aggravation significative des conditions. du patient”.
Il y a aussi l’Italie
L’effort multidisciplinaire et international – des groupes de recherche de l’Université de Gênes, de Sassari et de l’École Polytechnique de Turin ont également participé à l’étude – a conduit à des résultats prometteurs, soulignent les chercheurs, car les données ainsi collectées peuvent également être utilisées dans des études cliniques pour examiner l’efficacité des thérapies, par exemple celles contre la neurodégénérescence.
« Nous voulons maintenant comprendre – conclut Zadka – s’il est possible de développer des modèles similaires basés sur les données des capteurs présents dans les montres intelligentes, ce qui améliorerait encore le confort du sujet ».
#Dismoi #comment #marches #dirai #quelle #maladie
1721466575