Gait Phenotyping in Multiple Sclerosis Using Smart Insole Technology
Cette étude a utilisé des mesures de la marche dérivées de semelles intelligentes et une analyse de regroupement pour identifier quatre phénotypes de marche distincts chez les personnes atteintes de sclérose en plaques, démontrant que la surveillance objective de la mobilité peut capturer des nuances d'altération qui ne sont pas pleinement reflétées par les scores de handicap cliniques standards.
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
Marcher est un acte complexe que la plupart d'entre nous accomplissons sans y réfléchir à deux fois, un rythme fluide d'équilibre, de force et de synchronisation. Pour les personnes vivant avec la sclérose en plaques, une maladie chronique qui affecte le système nerveux central, ce rythme se brise souvent. La maladie peut endommager les voies qui contrôlent le mouvement, entraînant une grande variété de difficultés de marche. Certaines personnes traînent un pied, d'autres marchent en traînant les pieds avec des pas courts, et beaucoup luttent pour maintenir leur équilibre. Comme les dommages surviennent à des endroits différents selon les individus, il n'existe pas de « marche de la sclérose en plaques » unique. Les médecins s'appuient actuellement sur des tests standards pour évaluer l'ampleur du déclin de la mobilité d'une personne, mais ces tests sont souvent des instantanés globaux qui passent à côté des manières subtiles et uniques dont le corps de chaque personne compense ses blessures spécifiques. Comprendre ces schémas uniques pourrait aider les médecins à adapter plus efficacement les traitements, mais pour les capturer, il faut un moyen d'observer comment les gens se déplacent en détail, et non pas seulement quelle distance ils peuvent parcourir.
Une équipe de chercheurs a entrepris de voir s'ils pouvaient cartographier ces schémas de marche uniques à l'aide d'un nouveau type de technologie : des semelles intelligentes. Au lieu de demander aux patients de marcher dans un laboratoire entouré de caméras et de capteurs, les chercheurs les ont équipés de semelles fines et discrètes cachées à l'intérieur de leurs chaussures habituelles. Ces semelles contenaient de minuscules capteurs de pression et des détecteurs de mouvement qui enregistraient exactement comment le pied touchait le sol, combien de temps durait chaque pas et comment le corps se déplaçait à chaque foulée. L'objectif était de laisser les données parler d'elles-mêmes, en utilisant l'analyse informatique pour regrouper les personnes selon la façon dont elles marchaient réellement, plutôt que selon ce que leurs scores de handicap suggéraient qu'elles devraient faire.
L'étude a impliqué 108 personnes atteintes de sclérose en plaques et 49 volontaires sains provenant de cliniques au Canada, en Allemagne, aux États-Unis et au Royaume-Uni. Chaque participant portait les semelles intelligentes tout en marchant dans un couloir. Les semelles transmettaient un flux constant de données à une application sur smartphone, capturant des centaines de détails sur chaque pas, de la vitesse de la foulée au léger vacillement du pied. Les chercheurs ont ensuite injecté cette masse d'informations dans un programme informatique conçu pour trouver des regroupements naturels. Ils n'ont pas dit à l'ordinateur ce qu'il devait chercher ; ils lui ont simplement demandé de classer les marcheurs en groupes basés sur les similitudes et les différences de leurs données de mouvement.
L'analyse a révélé quatre groupes distincts de marcheurs, chacun possédant un profil de mouvement unique qui allait au-delà de ce que les scores médicaux standards pouvaient montrer. Le premier groupe était composé de personnes dont les schémas de marche étaient très proches de ceux des volontaires sains. Ils se déplaçaient avec rapidité et symétrie, ne montrant que des signes minimes d'altération. Le deuxième groupe présentait des difficultés modérées ; ils marchaient plus lentement et passaient plus de temps avec les deux pieds au sol pour assurer leur stabilité, mais leurs pas restaient relativement constants.
Le troisième groupe fut la découverte la plus surprenante. Ces individus avaient des scores de handicap similaires à ceux du deuxième groupe, pourtant leurs schémas de marche étaient fondamentalement différents. Alors que le deuxième groupe marchait de manière régulière mais lente, le troisième groupe se déplaçait avec une grande variabilité. Leurs pas étaient irréguliers, la cadence et la longueur de chaque foulée fluctuant considérablement d'un moment à l'autre. Ce groupe présentait une démarche de type « vacillante » que les tests standards auraient pu classer comme similaire aux marcheurs lents et réguliers, mais les semelles intelligentes ont révélé une instabilité distincte suggérant une cause sous-jacente différente, potentiellement liée à des problèmes d'équilibre ou de coordination.
Le quatrième groupe représentait l'altération la plus sévère. Ces individus marchaient très lentement, passaient beaucoup de temps avec les deux pieds au sol et présentaient un déséquilibre marqué entre le côté gauche et le côté droit. Leurs pas étaient courts et prudents, et leurs pieds atterrissaient selon des angles inhabituels, suggérant qu'ils fournissaient un effort considérable juste pour éviter de tomber. Ce groupe luttait le plus avec les mécanismes de base de la marche, et leurs données reflétaient une forte dépendance à la stabilité plutôt qu'à la vitesse.
Ce qui rend cette découverte significative, c'est que l'ordinateur a identifié ces groupes en se basant uniquement sur les données physiques de mouvement, sans connaître les antécédents médicaux ou les scores de handicap des patients au préalable. Le fait que le troisième groupe se soit distingué par sa grande variabilité, malgré des évaluations de handicap similaires à celles du groupe marchant lentement mais régulièrement, suggère que les évaluations médicales actuelles pourraient omettre des détails importants sur la façon dont la maladie affecte chaque individu. Les semelles intelligentes ont capturé des nuances de mouvement qu'un médecin observant un patient marcher dans un couloir pourrait ne pas remarquer, comme la façon spécifique dont l'angle du pied change ou la façon dont la cadence des pas fluctue.
Les chercheurs ont noté que, bien que la technologie ait réussi à identifier ces schémas, les groupes ne sont pas nécessairement des catégories rigides. Les individus peuvent passer d'un groupe à l'autre à mesure que leur état change, et les frontières entre les groupes ne sont pas toujours nettes. Cependant, la capacité de distinguer un marcheur lent et régulier d'un marcheur rapide et instable grâce à un simple dispositif porté dans une chaussure ouvre une nouvelle voie pour le suivi. Cela suggère qu'à l'avenir, les médecins pourraient utiliser ces semelles pour suivre les progrès d'un patient au fil du temps, détectant des changements subtils dans son style de marche bien avant qu'un test standard ne montre un déclin. Cela pourrait permettre des interventions plus précoces et des plans de soins plus personnalisés, transformant le simple acte de marcher en une source riche d'informations sur la santé du système nerveux.
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.