Real-Time and Real-World Gait Monitoring on a Wearable Device: A Fully Embedded System for Parkinson’s Disease
Cette étude présente et valide un système de capteurs de pied portables entièrement intégrés qui permet une analyse de la marche en temps réel et à faible latence pour le suivi continu et à long terme des patients atteints de la maladie de Parkinson dans la vie quotidienne, atteignant une grande précision dans la segmentation des enjambées et l'estimation des paramètres temporels sans dépendre d'un traitement hors ligne.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
La marche est un rythme humain fondamental, une séquence de pas que la plupart des gens exécutent sans y réfléchir à deux fois. Pourtant, pour des millions de personnes vivant avec la maladie de Parkinson, ce rythme est fragile. La maladie provoque des fluctuations imprévisibles du mouvement du corps, les pas devenant traînants, figés ou chancelants de manières qui peuvent changer d'une heure à l'autre. Les médecins s'appuient depuis longtemps sur de brèves visites en cabinet pour évaluer ces problèmes, mais un instantané pris en clinique manque souvent de donner une image fidèle de la façon dont une personne se déplace tout au long de sa journée. Pour comprendre toute l'étendue de la maladie, les chercheurs doivent voir le patient dans son propre foyer, en observant comment il marche en préparant un café, en traversant la rue ou en naviguant dans une pièce bondée. Le défi consistait à construire un outil assez petit et intelligent pour être porté au pied, assez puissant pour analyser les pas au moment même où ils se produisent, et assez efficace pour durer toute la journée sans épuiser une batterie.
Une équipe de chercheurs a maintenant conçu et testé exactement un tel système. Ils ont développé un dispositif compact qui se fixe à une chaussure et utilise de minuscules capteurs pour mesurer le mouvement en temps réel. Contra-rément aux systèmes précédents qui enregistraient des données pour une analyse ultérieure en laboratoire, ce dispositif traite l'information instantanément, là où le capteur se trouve. Les chercheurs ont créé un processus en deux étapes pour rendre cela possible. Premièrement, l'appareil apprend à distinguer le fait qu'une personne est simplement debout ou assise du moment où elle commence à marcher. Ce n'est que lorsqu'il détecte un mouvement réel qu'il active son analyse plus complexe pour décomposer la marche en pas individuels. Cette conception ingénieuse permet d'économiser de l'énergie, permettant au dispositif de fonctionner pendant de longues périodes sans avoir besoin d'une recharge, tout en garantissant qu'il ne fonctionne que lorsqu'il est véritablement nécessaire.
L'équipe a testé sa création de deux manières distinctes pour s'assurer qu'elle fonctionnait aussi bien dans des conditions contrôlées que dans des conditions réelles et désordonnées. D'abord, ils ont utilisé des enregistrements de 28 patients atteints de la maladie de Parkinson qui avaient porté des capteurs similaires chez eux pendant plusieurs jours consécutifs. Ils ont injecté ces données dans leur système comme si elles arrivaient en direct, ce qui leur a permis d'ajuster les réglages du dispositif pour qu'il puisse gérer la démarche irrégulière et parfois instable de ces patients. Ils ont constaté que le système pouvait identifier correctement quand une personne marchait près de 100 % du temps. Lorsqu'il s'agissait de compter les pas et de les chronométrer, l'appareil était remarquablement précis, égalant les performances de systèmes informatiques beaucoup plus volumineux et hors ligne qui sont considérés comme la référence en recherche.
Pour prouver que le système pouvait réellement fonctionner en temps réel, les chercheurs ont ensuite testé le matériel final sur 18 volontaires sains. Ces participants marchaient dans un laboratoire tout en portant le dispositif, qui envoyait des données sans fil à un ordinateur pendant leurs mouvements. Les résultats ont montré que l'ensemble du processus, de la détection du contact du pied avec le sol à l'envoi du résultat à l'ordinateur, s'est déroulé en un peu plus d'une seconde. Le dispositif a calculé le temps de chaque foulée avec une erreur de 0,3 %, un niveau de précision suffisant pour détecter les changements subtils de vitesse et de rythme de marche qui signalent souvent une aggravation des symptômes de Parkinson.
Le succès de ce projet réside dans son équilibre entre puissance et simplicité. En utilisant un ensemble de règles simples basées sur la physique du mouvement plutôt que des modèles d'intelligence artificielle complexes nécessitant une grande puissance de calcul, les chercheurs ont maintenu le dispositif petit et économe en énergie. Le produit final est une petite boîte, de la taille d'une boîte d'allumettes environ, qui peut être attachée à une chaussure. Il n'a pas besoin d'être connecté à un ordinateur ou à un serveur cloud pour fonctionner ; il réfléchit par lui-même. Cette capacité ouvre la voie à une surveillance continue, où les médecins et les patients peuvent voir comment la mobilité change tout au long de la journée, menant potentiellement à un meilleur dosage des médicaments et à une détection plus précoce des chutes. Bien que le système ait été rigoureusement testé sur des personnes saines et des données simulées en temps réel de patients, les chercheurs notent que le test ultime sera de voir comment il se comporte lorsqu'il est porté par des patients durant leur vie quotidienne non surveillée. Pour l'instant, ce travail prouve qu'il est possible de sortir la puissance de l'analyse détaillée de la démarche du laboratoire pour l'amener dans le monde réel, offrant une nouvelle façon de veiller sur le rythme de la marche de ceux qui en ont le plus besoin.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.