Si la vitesse de la marche est déjà reconnue comme un marqueur de la santé cognitive et métabolique, cette nouvelle recherche, menée par une équipe de l’Université de Tel-Aviv et publiée dans la revue NPJ Digital Medicine, désigne la longueur du pas comme un marqueur tout aussi sensible des maladies neurologiques et du vieillissement. Si l’on combine à un capteur portable, une analyse par une technique d’intelligence artificielle, il devient possible d’évaluer, dans la vraie vie, la marche, les capacités cognitives et fonctionnelles voire la réponse au traitement d’un patient.
Les chercheurs ont mis au point un capteur portable, petit, léger et étanche, qui peut être maintenu en place à l’aide d’un ruban adhésif et peut mesurer la longueur des pas tout au long de la journée. Ils ont utilisé des technologies d'apprentissage automatique pour développer un algorithme qui estime précisément la longueur du pas, à partir des données du capteur.
« La longueur des pas est une mesure sensible et non invasive d'un large éventail de problèmes associés au vieillissement, allant du déclin cognitif et à de nombreuses maladies neurologiques, telles que la maladie de Parkinson, la maladie d'Alzheimer et la sclérose en plaques (SEP). Notre modèle permet donc une surveillance continue de l'état du patient tout au long de ses activités quotidiennes ».
La marche est déjà un marqueur de santé utilisé,
à l’hôpital ou en laboratoire via des tapis de marche, mais dans ce contexte, ses caractéristiques n’apportent qu’une vue instantanée qui ne reflète probablement pas pleinement le fonctionnement réel du patient dans le monde réel. Analysée à un moment donné, la marche peut être alors influencée par le niveau de fatigue, l'humeur et les médicaments pris par le patient. Ce nouveau système, qui comporte une mesure par capteur 24 heures sur 24, 7 jours sur 7, apporte un diagnostic plus complet de l’état de santé du patient.
Le capteur exploite les unités de mesure inertielle (IMU) actuellement utilisées dans les smartphones et permettent une mesure fine des paramètres associés avec la marche. Le système a été adapté également aux personnes ayant des problèmes de marche, comme les personnes âgées, et permet donc de quantifier et de collecter des données sur la longueur des pas, tout au long de la journée, dans l’environnement habituel du patient.
L'algorithme a été nourri de données sur la longueur des pas mesurées de manière conventionnelle lors d’une étude précédente, auprès de 472 participants atteints de différentes maladies, telles que la maladie de Parkinson, des troubles cognitifs légers ou la SEP, de sujets âgés et d’adultes plus jeunes en bonne santé. Puis le système a été nourri de ces des données de marche recueillies par ces capteurs « IMU ». Des méthodes d’apprentissage automatique ont permis ensuite le développement de l’algorithme qui estime la longueur des pas, à partir des données IMU. La précision du modèle a enfin été validée sur un autre ensemble de données.
- Le nouvel algorithme, nommé « XGBoost » se révèle de loin plus précis -soit 3,5 fois plus- que le modèle biomécanique le plus avancé actuellement utilisé pour estimer la longueur des pas.
Cet effort multidisciplinaire aboutit ainsi à un modèle d'apprentissage automatique qui peut être intégré à un dispositif portable et facile à utiliser. Les données ainsi collectées permettent une surveillance continue, à distance et à long terme de l'état d'un patient et peuvent également être utilisées dans des essais cliniques pour suivre, par exemple, la réponse à un traitement.
Source: NPJ Digital Medicine 25 May 2024 DOI : 10.1038/s41746-024-01136-2 A wearable sensor and machine learning estimate step length in older adults and patients with neurological disorders
Lire aussi : DIABÈTE : La vitesse de la marche marque le risque métabolique
