Se rendre chez le médecin peut être compliqué. Et la tâche peut être particulièrement difficile pour les parents d’enfants souffrant de troubles moteurs tels que la paralysie cérébrale, car un clinicien doit évaluer l’enfant en personne régulièrement, souvent pendant une heure à la fois. Se rendre à ces évaluations fréquentes peut être coûteux, prendre du temps et être éprouvant sur le plan émotionnel.
Les ingénieurs du MIT espèrent atténuer une partie de ce stress grâce à une nouvelle méthode qui évalue à distance la fonction motrice des patients. En combinant des techniques de vision par ordinateur et d'apprentissage automatique, la méthode analyse les vidéos de patients en temps réel et calcule un score clinique de fonction motrice basé sur certains modèles de poses qu'elle détecte dans les images vidéo.
Les chercheurs ont testé la méthode sur des vidéos de plus de 1 000 enfants atteints de paralysie cérébrale. Ils ont découvert que la méthode pouvait traiter chaque vidéo et attribuer un score clinique correspondant avec une précision de plus de 70 pour cent à ce qu'un clinicien avait précédemment déterminé lors d'une visite en personne.
L'analyse vidéo peut être exécutée sur une gamme d'appareils mobiles. L'équipe envisage que les patients puissent être évalués sur leurs progrès simplement en configurant leur téléphone ou leur tablette pour qu'ils prennent une vidéo lorsqu'ils se déplacent dans leur propre maison. Ils pourraient ensuite charger la vidéo dans un programme qui analyserait rapidement les images vidéo et attribuerait un score clinique ou un niveau de progrès. La vidéo et le score pourraient ensuite être envoyés à un médecin pour examen.
L’équipe adapte actuellement l’approche pour évaluer les enfants atteints de leucodystrophie métachromatique – une maladie génétique rare qui affecte le système nerveux central et périphérique. Ils espèrent également adapter la méthode pour évaluer les patients ayant subi un accident vasculaire cérébral.
« Nous voulons réduire un peu le stress des patients en n'ayant pas à se rendre à l'hôpital pour chaque évaluation », explique Hermano Krebs, chercheur principal au département de génie mécanique du MIT. « Nous pensons que cette technologie pourrait potentiellement être utilisée pour évaluer à distance toute condition affectant le comportement moteur. »
Krebs et ses collègues présenteront leur nouvelle approche à la conférence IEEE sur les réseaux de capteurs corporels en octobre. Les auteurs de l'étude au MIT sont le premier auteur Peijun Zhao, le co-chercheur principal Moises Alencastre-Miranda, Zhan Shen et Ciaran O'Neill, ainsi que David Whiteman et Javier Gervas-Arruga du Takeda Development Center Americas, Inc.
Formation réseau
Au MIT, Krebs développe des systèmes robotiques qui travaillent physiquement avec les patients pour les aider à retrouver ou à renforcer leurs fonctions motrices. Il a également adapté les systèmes pour évaluer les progrès des patients et prédire quelles thérapies pourraient être les plus efficaces pour eux. Bien que ces technologies fonctionnent bien, leur accessibilité est considérablement limitée : les patients doivent se rendre dans un hôpital ou un établissement où les robots sont en place.
« Nous nous sommes demandé : comment pourrions-nous étendre les bons résultats obtenus avec les robots de rééducation à un appareil omniprésent ? » Krebs se souvient. « Les smartphones étant omniprésents, notre objectif était de tirer parti de leurs capacités à évaluer à distance les personnes handicapées motrices, afin qu'elles puissent être évaluées n'importe où. »
Image : Ensemble de données créé par le laboratoire de biomécanique neuromusculaire de Stanford en collaboration avec Gillette Children's Specialty Healthcare
Les chercheurs se sont d’abord intéressés à la vision par ordinateur et aux algorithmes qui estiment les mouvements humains. Ces dernières années, les scientifiques ont développé des algorithmes d’estimation de pose conçus pour prendre une vidéo – par exemple, d’une fille frappant un ballon de football – et traduire ses mouvements en une série correspondante de poses de squelette, en temps réel. La séquence de lignes et de points résultante peut être cartographiée avec des coordonnées que les scientifiques peuvent analyser plus en détail.
Krebs et ses collègues visaient à développer une méthode pour analyser les données de pose du squelette de patients atteints de paralysie cérébrale – un trouble traditionnellement évalué selon le système de classification de la fonction motrice globale (GMFCS), une échelle à cinq niveaux qui représente la fonction motrice générale d'un enfant. . (Plus le chiffre est bas, plus la mobilité de l'enfant est élevée.)
L'équipe a travaillé avec un ensemble de données accessibles au public sur la pose du squelette, produites par le laboratoire de biomécanique neuromusculaire de l'Université de Stanford. Cet ensemble de données comprenait des vidéos de plus de 1 000 enfants atteints de paralysie cérébrale. Chaque vidéo montrait un enfant effectuant une série d'exercices dans un environnement clinique, et chaque vidéo était étiquetée avec un score GMFCS qu'un clinicien avait attribué à l'enfant après l'évaluation en personne. Le groupe de Stanford a fait passer les vidéos via un algorithme d'estimation de pose pour générer des données de pose du squelette, que le groupe du MIT a ensuite utilisées comme point de départ pour son étude.
Les chercheurs ont ensuite cherché des moyens de déchiffrer automatiquement les modèles dans les données sur la paralysie cérébrale qui sont caractéristiques de chaque niveau clinique de fonction motrice. Ils ont commencé avec un réseau neuronal convolutif à graphique spatio-temporel – un processus d’apprentissage automatique qui entraîne un ordinateur à traiter des données spatiales qui changent au fil du temps, comme une séquence de poses de squelette, et à attribuer une classification.
Avant que l’équipe n’applique le réseau neuronal à la paralysie cérébrale, elle a utilisé un modèle pré-entraîné sur un ensemble de données plus général, contenant des vidéos d’adultes en bonne santé effectuant diverses activités quotidiennes comme marcher, courir, s’asseoir et se serrer la main. Ils ont pris la base de ce modèle pré-entraîné et y ont ajouté une nouvelle couche de classification, spécifique aux scores cliniques liés à la paralysie cérébrale. Ils ont affiné le réseau pour reconnaître les schémas distinctifs des mouvements des enfants atteints de paralysie cérébrale et les classer avec précision dans les principaux niveaux d'évaluation clinique.
Ils ont constaté que le réseau pré-entraîné avait appris à classifier correctement les niveaux de mobilité des enfants, et ce, avec plus de précision que s'il était formé uniquement sur les données de paralysie cérébrale.
« Comme le réseau est formé sur un très grand ensemble de données de mouvements plus généraux, il a quelques idées sur la manière d'extraire des caractéristiques d'une séquence de poses humaines », explique Zhao. « Bien que l'ensemble de données plus vaste et celui sur la paralysie cérébrale puissent être différents, ils partagent certains modèles communs d'actions humaines et la manière dont ces actions peuvent être codées. »
L'équipe a testé sa méthode sur un certain nombre d'appareils mobiles, notamment divers smartphones, tablettes et ordinateurs portables, et a constaté que la plupart des appareils pouvaient exécuter le programme avec succès et générer un score clinique à partir de vidéos, pratiquement en temps réel.
Les chercheurs développent actuellement une application qui, selon eux, pourrait un jour être utilisée par les parents et les patients pour analyser automatiquement les vidéos des patients, prises dans le confort de leur propre environnement. Les résultats pourraient ensuite être envoyés à un médecin pour une évaluation plus approfondie. L’équipe envisage également d’adapter la méthode pour évaluer d’autres troubles neurologiques.
« Cette approche pourrait être facilement étendue à d'autres handicaps tels que les accidents vasculaires cérébraux ou la maladie de Parkinson une fois testée dans cette population en utilisant des paramètres appropriés pour les adultes », explique Alberto Esquenazi, médecin-chef du Moss Rehabilitation Hospital de Philadelphie, qui n'a pas participé à l'étude. étude. «Cela pourrait améliorer les soins et réduire le coût global des soins de santé et la nécessité pour les familles de perdre du temps de travail productif, et j'espère (que cela pourrait) accroître l'observance.»
« À l'avenir, cela pourrait également nous aider à prédire comment les patients réagiraient plus rapidement aux interventions », explique Krebs. « Parce que nous pourrions les évaluer plus souvent, pour voir si une intervention a un impact. »
Cette recherche a été financée par Takeda Development Center Americas, Inc.
