Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
Audio-based Mobile Health Diagnostics

Article Category

Article available in the following languages:

Comment les appareils auditifs intelligents permettent de suivre l’évolution de la santé en analysant les sons corporels

Prenant l’adage «écoutez votre corps» au pied de la lettre, des chercheurs mettent au point des dispositifs portables et mobiles alimentés par l’IA qui permettent de suivre l’évolution de la santé en analysant les sons émis par notre corps.

Les dispositifs portables utilisés au quotidien sont en train de changer la donne en matière de soins de santé, grâce à des capteurs avancés qui surveillent en permanence certains aspects de la santé des personnes qui les portent. Et comme le prix des capteurs diminue, ils faciliteront la collecte de données, ce qui n’était auparavant possible qu’avec des équipements médicaux coûteux. «Ce type de données longitudinales et fines est sans précédent dans le domaine du suivi de la santé», note Cecilia Mascolo(s’ouvre dans une nouvelle fenêtre) de l’université de Cambridge(s’ouvre dans une nouvelle fenêtre) et coordinatrice du projet EAR(s’ouvre dans une nouvelle fenêtre). EAR a été financé par le Conseil européen de la recherche(s’ouvre dans une nouvelle fenêtre). Les chercheurs de EAR ont mis au point une gamme de dispositifs audio de suivi de la santé mobile basés sur l’intelligence artificielle (IA), notamment des oreillettes qui recueillent des informations physiologiques et une application pour téléphone portable qui surveille la santé respiratoire. Comparée à l’IA pour l’analyse de vidéos et d’images, son recours pour l’audio est sous-développée, ce qui signifie que l’équipe a dû mettre au point de nouvelles solutions de contournement. «Nous sommes à la pointe de l’utilisation de l’IA pour interpréter les données audio pour la surveillance de la santé, en s’appuyant sur des ensembles de données existants et l’apprentissage par transfert pour pré-entraîner nos modèles ou des modèles pré-entraînés existants affinés pour nos besoins à l’aide de l’apprentissage auto-supervisé», explique Cecilia Mascolo.

Suivi de la santé physiologique générale

Testant l’hypothèse selon laquelle le canal auditif pourrait constituer un emplacement idéal pour un dispositif portable de suivi de la santé, EAR a mis au point un algorithme permettant de réutiliser les microphones des oreillettes pour détecter les sons corporels associés à la santé. Pour tester la capacité des oreillettes à surveiller la démarche des utilisateurs et d’autres aspects physiologiques, tels que la respiration et le rythme cardiaque, les volontaires ont participé à diverses activités, notamment la course à pied et l’utilisation de rameurs. En s’appuyant sur d’autres ensembles de données plus importants, les techniques d’apprentissage automatique ont entraîné un algorithme d’IA à identifier et à interpréter les indicateurs de santé pertinents dans l’audio. «Nous avons démontré que les “appareils auditifs intelligents” sont capables de collecter des données audio relatives à la santé, qui se sont avérées précieuses pour refléter la santé physiologique, grâce à notre nouvelle IA», ajoute Cecilia Mascolo.

Suivi de la santé respiratoire

Afin de contribuer à la lutte contre la pandémie de COVID-19, l’équipe a voulu voir s’il était possible de mettre au point une application téléphonique favorisant la détection du coronavirus à l’aide d’échantillons audio recueillis par le microphone du téléphone. L’un des plus grands ensembles de données audio multimodales de sons oraux(s’ouvre dans une nouvelle fenêtre) (respiration, toux et parole) a été mis à disposition par la communauté, en combinaison avec des informations sur le statut du test COVID-19, les symptômes et les antécédents médicaux plus larges. Cet ensemble de données alimente désormais des modèles d’apprentissage automatique conçus pour prévoir si l’état d’une personne infectée va s’améliorer ou empirer, sur la base d’échantillons audio donnés régulièrement par l’intermédiaire de l’application. En recourant aux données sur la COVID-19, ainsi que d’autres données de santé publique, l’équipe a également construit le premier modèle respiratoire audio, OPERA(s’ouvre dans une nouvelle fenêtre), permettant aux chercheurs d’effectuer des tâches pour lesquelles ils ne disposaient autrement que de données limitées, telles que l’évaluation de la bronchopneumopathie chronique obstructive. «Notre collecte de données sur la COVID-19 est sans précédent et reste très demandée, avec un énorme potentiel pour cette technologie de suivi des infections respiratoires et des maladies chroniques au fil du temps», déclare Cecilia Mascolo.

Suivi longitudinal de la santé à grande échelle

Les solutions de santé innovantes reposant sur des «appareils auditifs intelligents» d’EAR offrent un moyen abordable et évolutif de surveiller la santé des individus et des populations, contribuant ainsi considérablement aux ambitions de l’UE en matière de santé personnalisée et préventive. «Nous étudions maintenant comment le son en général, et en particulier le son provenant de l’oreille, pourrait fournir des informations supplémentaires sur la santé qui n’ont pas encore été détectées ou qui sont coûteuses à détecter autrement», ajoute Cecilia Mascolo. Entre-temps, un brevet a été déposé pour les oreillettes (pour la surveillance de la fréquence respiratoire), et Cecilia Mascolo a aussi rejoint une jeune entreprise qui travaille sur la surveillance de la physiologie des microphones intra-auriculaires par le biais de l’IA.

Découvrir d’autres articles du même domaine d’application

Mon livret 0 0