un-smartphone-pour-une-télésanté-personnalisée
La télésanté est devenue un moyen essentiel pour les médecins de continuer à fournir des soins de santé tout en minimisant les contacts en personne, pendant la pandémie de COVID-19. Mais avec les rendez-vous par téléphone ou par Zoom, il est plus difficile pour les médecins d’obtenir en temps réel les signes vitaux importants d’un patient, comme son pouls ou sa fréquence respiratoire.

La caméra d’un smartphone

Une équipe dirigée par l’université de Washington a mis au point une méthode qui utilise la caméra d’un smartphone ou d’un ordinateur pour prendre le pouls et la respiration d’un patient, à partir d’une vidéo en temps réel de son visage.
L’équipe propose également un système pour mesurer ces signaux physiologiques. Celui-ci est moins susceptible d’être perturbé par les différentes caméras, les conditions d’éclairage ou les caractéristiques du visage, comme la couleur de la peau.
« L’apprentissage automatique est assez bon pour classer les images. Mais pour qu’elle soit utile dans le domaine de la télédétection de la santé, nous avons besoin d’un système capable d’identifier la région d’intérêt dans une vidéo qui contient la plus forte source d’informations physiologiques – par exemple le pouls – puis de la mesurer au fil du temps », a déclaré l’auteur principal Xin Liu.
« Chaque personne est différente », a ajouté M. Liu. « Ce système doit donc être capable de s’adapter rapidement à la signature physiologique unique de chaque personne et de la séparer des autres variations, telles que son apparence et l’environnement dans lequel elle se trouve. »

Un système qui a été amélioré

La première version de ce système a été entraînée avec un ensemble de données contenant à la fois des vidéos de visages et des informations de « vérité de terrain »: le pouls et la fréquence respiratoire de chaque personne mesurés par des instruments standard sur le terrain. Ce système a ensuite utilisé les informations spatiales et temporelles des vidéos pour calculer les deux signes vitaux. Il a obtenu de meilleurs résultats que des systèmes d’apprentissage automatique similaires sur des vidéos.
Mais si ce système a bien fonctionné sur certains ensembles de données, il a eu du mal avec d’autres qui contenaient plusieurs personnes, des arrière-plans et des éclairages différents. Il s’agit d’un problème courant connu sous le nom de « surajustement », a déclaré l’équipe.
Les chercheurs ont amélioré leur système en lui faisant produire un modèle d’apprentissage automatique personnalisé pour chaque individu. Plus précisément, ce système permet de rechercher les zones importantes d’une image vidéo qui sont susceptibles de contenir des caractéristiques physiologiques liées à l’évolution du flux sanguin dans un visage dans différents contextes, tels que différentes teintes de peau, conditions d’éclairage et environnements. À partir de là, il peut se concentrer sur cette zone et mesurer le pouls et la fréquence respiratoire.
« Nous reconnaissons qu’il existe toujours une tendance à la baisse des performances lorsque la peau du sujet est plus foncée », a déclaré Liu. « Cela s’explique en partie par le fait que la lumière se reflète différemment sur la peau foncée, ce qui se traduit par un signal plus faible que la caméra peut capter. Notre équipe développe activement de nouvelles méthodes pour résoudre cette limitation. » Les chercheurs travaillent également sur une variété de collaborations avec des médecins pour voir comment ce système se comporte en clinique.

Pour des soins aux patients à distance

« Toute capacité à détecter le pouls ou la fréquence respiratoire à distance offre de nouvelles opportunités pour les soins aux patients à distance et la télémédecine. Il peut s’agir d’autosoins, de soins de suivi ou de triage, en particulier lorsqu’une personne n’a pas un accès pratique à une clinique », a déclaré l’auteur principal, Shwetak Patel. « Il est passionnant de voir les communautés académiques travailler sur de nouvelles approches algorithmiques pour résoudre ce problème avec des appareils que les gens ont chez eux. »
Cette recherche a été publiée dans ACM.
Source : University of Washington
Crédit photo : Pexels