Blog

IoT et santé : prévenir plutôt que guérir

Selon le scénario central 2030 de l’Institut National de la Statistique et des Études Économique (INSEE), les plus de 60 ans issus de la génération du baby boom seront plus nombreux que les moins de 20 ans. La prévention, le suivi et le traitement des maladies chroniques sont des problématiques économiques et sociétales majeures dans les pays industrialisés qui font face à un allongement global de la durée de vie. Plus ou moins graves et invalidantes selon les cas, ces maladies évolutives de longue durée sont l’une des causes principales de décès et de handicap en France.

Les capteurs sans fil « wearable » au service de la médecine prédictive

Beaucoup d’espoirs sont donc placés aujourd’hui dans le développement de la médecine prédictive. Elle consiste à prévenir le risque de maladie chez les patients avant l’apparition des symptômes. Trop contraignante à l’usage, l’instrumentation classique filaire utilisée préalablement en laboratoire devient obsolète pour expérimenter, analyser et comprendre l’évolution du corps humain.

Les réseaux de capteurs sans fil miniaturisés « wearable » permettent eux de s’affranchir des systèmes filaires et de capter les mouvements du corps dans des conditions les plus réelles possible. Ce système fournit des données interprétables et exploitables en temps réel et permet de gagner en connaissance sur les mouvements déficients. Il rend possible un diagnostic plus rapide et fait gagner un temps précieux aux cliniciens et chercheurs.

Accélérer la recherche sur la maladie de Parkinson

L’équipe CAMIN de l’INRIA (Institut National de Recherche en Informatique et en Automatique) a donc choisi le système d’acquisition de données sans fil HIKOB pour effectuer des recherches sur la maladie de Parkinson en collaboration avec le Dr Geny, neurologue au CHU de Montpellier. Aujourd’hui, cette maladie chronique neurodégénérative atteint 195 000 personnes et 25 000 nouveaux cas chaque année. (Source : France Parkinson)

Les troubles de la démarche sont des symptômes communs dans la maladie de parkinson et sont associés à un risque de chute. « Nous travaillons principalement sur l’analyse des paramètres du pas. Sur un patient, il ne faut pas que le système de collecte de données soit encombrant et gênant. Un système sans fil miniaturisé est donc préférable pour notre phase de validation sur le terrain. » confie Christine AZEVEDO, chargée de recherche à l’INRIA.

parkinson_Fotor
Analyse de mouvements du membre supérieur chez des patients atteints de tremblement essentiel (INRIA, CHU Montpellier) – Crédit photo : INRIA

L’équipe de Christine AZEVEDO s’intéresse à l’analyse des mouvements déficients dans d’autres situations cliniques telles que le tremblement essentiel du membre supérieur avec le CHU de Montpellier, la marche chez le sujet hémiplégique avec le CHU de Nîmes ou encore la marche d’enfants atteints de paralysie cérébrale avec l’Université de Stanford aux USA. Dans ces différentes études l’équipe utilise les noeuds d’acquisition HIKOB FOX.

Mutualiser les données des mouvements sportifs et cliniques

Ces chercheurs ont pu analyser des mouvements dans les conditions les plus réelles possibles grâce à des centrales inertielles placées sur les membres inférieurs de patients mais également de sportifs. En collaboration avec la FFS (Fédération Française de Ski), l’INRIA a pu équiper des skieurs avec les noeuds d’acquisition HIKOB FOX directement embarquables en conditions sportives extrêmes. Mutualiser l’acquisition de données dans le domaine sportif et clinique permet à l’INRIA de minimiser le travail sur le patient. Ces précieuses informations sont par la suite interprétées et exploitées pour de la rééducation ou de l’assistance au mouvement.

« Les nouvelles connaissances et la fiabilité des données nous ont permis de faire un pont entre deux domaines de recherche distincts que sont le domaine sportif et clinique et d’envisager aujourd’hui de nouvelles pistes de recherche très prometteuses. » de belles perspectives pour la suite de la lutte contre la maladie de Parkinson.

a voir également