Surveillance à distance des patients atteints de bronchopneumopathie chronique obstructive par intelligence artificielle
La bronchopneumopathie chronique obstructive (BPCO) est devenue la troisième cause de mortalité mondiale après les maladies cardiaques et le cancer. Les exacerbations aiguës de la BPCO (EABPCO) contribuent significativement à la morbidité et à la mortalité associées à cette pathologie. La détection précoce de la détérioration et une intervention rapide peuvent prévenir les EABPCO, réduire leur sévérité et minimiser les hospitalisations. La surveillance à distance des patients (SDP) s’est imposée comme un outil essentiel dans la prise en charge hospitalière et ambulatoire de la BPCO. L’intégration de technologies d’intelligence artificielle (IA) dans les systèmes de SDP permet d’anticiper les exacerbations et de faciliter les interventions thérapeutiques précoces, améliorant ainsi le pronostic des patients.
Technologies d’IA pour la surveillance à distance des patients atteints de BPCO
Les politiques de santé mondiales promeuvent de plus en plus l’autogestion des maladies chroniques comme la BPCO via la télémédecine. Les progrès en matière de capteurs, de miniaturisation des processeurs et de transmission sans fil de données permettent une évaluation continue des paramètres environnementaux, physiques et physiologiques sans restreindre les activités des patients. L’IA renforce les capacités de ces capteurs, offrant une compréhension globale de l’état des patients. Cette section explore les technologies basées sur l’IA utilisées dans la SDP pour la BPCO, incluant les capteurs portables et sans contact.
Surveillance de l’activité physique
La surveillance de l’activité physique est un élément clé de la SDP pour les patients BPCO. Les capteurs intelligents permettent un suivi continu des mouvements corporels et identifient les activités quotidiennes (ADL) comme la position assise, la marche ou le sommeil. Ce suivi aide à déterminer le stade de la maladie où l’activité physique devient limitée, à étudier les liens entre activité physique et caractéristiques cliniques, et à développer des protocoles innovants pour prédire les risques et intervenir rapidement.
Les accéléromètres, intégrés dans les montres connectées, smartphones ou bracelets, sont largement utilisés. Une étude a démontré la possibilité de déduire les ADL en combinant les données d’un smartphone (accéléromètre, gyroscope, capteur de gravité) via des algorithmes d’apprentissage automatique. Cette approche, basée sur l’extraction de caractéristiques et la classification des activités (marche, course, etc.), atteint une précision moyenne supérieure à 86 %.
Les caméras couplées à des techniques de reconnaissance d’actions offrent une alternative non invasive pour le suivi des ADL. Les flux vidéo sont analysés par des réseaux neuronaux convolutifs, atteignant environ 80 % de précision après entraînement. Cette technologie est également utile pour d’autres pathologies affectant les ADL, comme la maladie d’Alzheimer.
Surveillance des symptômes audio
L’analyse des symptômes audio (toux, sifflements) est essentielle. Des systèmes de surveillance respiratoire en temps réel, combinant microphones et algorithmes d’IA, détectent automatiquement la toux avec une bonne fiabilité. D’autres études utilisent des réseaux de neurones artificiels pour identifier les épisodes de toux après traitement du signal.
L’analyse des sibilances (sifflements respiratoires) permet de classer les patients selon la sévérité de la BPCO. Des algorithmes comme les machines à vecteurs de support atteignent une sensibilité moyenne supérieure à 90 % et une précision de 85 %. Ces systèmes audio deviennent incontournables dans l’étude des symptômes liés à la BPCO.
Capteurs environnementaux
Les capteurs environnementaux surveillent la qualité de l’air, la température et l’humidité, facteurs aggravants de la BPCO. La plupart des capteurs de particules utilisent une source infrarouge et un photodétecteur pour mesurer la dispersion lumineuse, détectant les particules supérieures à 1 µm.
Le capteur DHT22, peu coûteux, mesure température (–40 à 80 °C, précision ±0,5 °C) et humidité (0–100 %, précision 2–5 %) via un signal numérique. Ces données aident à adapter l’environnement du patient.
Oxymétrie pulsée
L’oxymétrie pulsée, méthode non invasive pour surveiller la saturation en oxygène, utilise un capteur clip posé sur le doigt ou le lobe de l’oreille. Deux LED (rouge à 660 nm et infrarouge à 940 nm) éclairent les tissus, et un microprocesseur calcule le ratio d’absorption pour déterminer la SpO₂.
Fréquence respiratoire
La surveillance de la fréquence respiratoire utilise notamment l’électrocardiogramme (ECG). La respiration modifie l’amplitude de l’onde R, permettant une estimation dérivée avec une précision >97 %. Une alternative sans contact repose sur un radar Doppler détectant les mouvements thoraciques. Un modèle d’autocorrélation traite le signal pour une estimation rapide et stable.
Prédiction des exacerbations de BPCO par SDP
Les capteurs décrits permettent de détecter à distance la majorité des symptômes d’exacerbation. Une étude a utilisé des arbres de décision aléatoires pour prédire les EABPCO à partir de signaux respiratoires, atteignant 78 % de précision pour les épisodes détectés et 75,8 % pour les exacerbations déclarées.
Perspectives
L’IA révolutionne la gestion de la BPCO. L’analyse assistée par IA des scanners thoraciques permet de mesurer le diamètre des voies aériennes et l’épaisseur pariétale, facilitant le diagnostic et le suivi. Les dispositifs portables et sans contact continueront de s’améliorer, optimisant la SDP.
À l’avenir, les patients bénéficieront de soins hospitaliers à domicile ou en ambulatoire, tandis que les cas complexes seront pris en charge dans des hôpitaux « intelligents » équipés de dispositifs de monitoring avancés. L’IA permettra une coordination personnalisée des soins, réduisant les coûts tout en améliorant les résultats.
Conclusion
La SDP joue un rôle central dans la gestion de la BPCO. Les progrès en capteurs et en IA permettent de réduire le fardeau économique et médical lié à cette maladie. Les systèmes de surveillance intégrant l’IA analysent les données multisources, identifient les tendances et génèrent des alertes précoces, permettant aux équipes médicales d’intervenir de manière proactive. Cette approche améliore significativement la qualité de vie et le pronostic des patients.
doi.org/10.1097/CM9.0000000000001529