Réalité virtuelle et intelligence artificielle permettraient d'améliorer les diagnostics pour les personnes âgées potentiellement chuteuses
Crée le 14/05/20, modifié le 24/03/22
Les chutes des personnes âgées représentent un risque permanent pour les plus fragiles d’entre elles. Les conséquences peuvent être gravissimes et entraîner des pertes d’autonomie de longue durée, voire définitives.
Rencontre en images avec l'équipe de recherche et les utilisateurs de cette nouvelle technologie qui permet d'affiner le diagnostic pour une meilleure anticipation des chutes.
Le plus souvent, la chute est accidentelle
Elle trouve son origine dans une modification inattendue du quotidien de la personne qui ne possède pas toutes les ressources nécessaires à sa gestion : faiblesse physique, réduction de la capacité cognitive, mauvaise appréciation de l’environnement etc.
Depuis de nombreuses années, les équipes médicales se mobilisent pour anticiper, prévoir, diagnostiquer chez les patients les signes avant coureurs de la chute. Plusieurs tests et protocoles d’évaluation existent et sont déployés dans les structures hospitalières. Le principe de ces tests réside souvent dans des mises en situation standardisées dans lesquelles les soignants observent sur un plan quantitatif (vitesse d’exécution) ou qualitatif (modalités et maîtrise) les déplacements des personnes âgées.
Comment optimiser les tests d’anticipation des chutes ?
Nous nous intéresserons en particulier au TUG (Test Up and GO) dans lequel les personnes doivent se lever d’un siège, parcourir une distance de 3m et revenir à leur point de départ. Ce test possède comme avantage une grande simplicité et donc une compréhension et une exécution rapidement assimilées.
Pour autant, il ne représente pas toute la complexité des actes quotidiens et les interactions cognitivo-motrices nécessaires à une mobilité sans risque dans un environnement de vie en autonomie. L’équipe de recherche de l’Université de Lorraine s’est fixé comme objectif d’aller un cran plus loin et de modéliser des stimuli et des éléments de stress modéré afin de juger des capacités d’adaptation de la personne, tout en conservant la fonction principale : mesure de la maîtrise du déplacement.
A partir de cette idée, les éventualités et les scénarios se déclinent facilement : évitement d’obstacles, détournement d’attention, irruption et surprise, concentration sur une ou plusieurs tâches secondaires, etc. L’attrait majeur du TUG, la simplicité et la reproductibilité, disparaît alors avec le risque que cette sophistication soit un obstacle incontournable pour la mise en œuvre de cette évolution.
En effet, il ne faut pas que les équipes médicales soient dans l’obligation d’installer des appareillages complexes qui génèrent des variations dans les mesures et ne permettent pas de construire un vrai référentiel normé.
Réalité virtuelle et risques de chute
Les chercheurs ont alors eu l’idée de recourir aux techniques de réalité virtuelle afin de créer des scénarios parfaitement reproductibles systématiquement. De plus, la réalité virtuelle permet de construire des environnements complets et réalistes : pièces d’habitation, mobilier, scènes de vie, etc. Les mouvements et déplacements qu’exécutent les patients prennent sens, ils correspondent à une réalité vécue et inspirante.
L'Intelligence artificielle pour plus d'objectivité ?
Autre amélioration possible du TUG : s’affranchir de l’interprétation humaine avec sa subjectivité, rémanente même lorsque les protocoles sont précis et les testeurs rigoureux. La recherche introduit donc l’idée que les mouvements peuvent être modélisés de manière suffisamment précise pour que des algorithmes d’intelligence artificielle se chargent de la classification des sujets dans les catégories personnes chuteuse ou non chuteuse. Les sujets sont équipés de capteurs délivrant des signaux de position, vitesse linéaire, vitesse angulaire et positionnés sur plusieurs parties du corps. Pour que l’IA joue son rôle de prédiction, il faut que l’un ou plusieurs de ces signaux agisse comme un marqueur physiologique en lien avec le caractère chuteur. Les indicateurs fournis par l’IA doivent être interprétables par le médecin et permettre un suivi individualisé du patient.
Passer de la théorie à la pratique
Une fois posées les bases théoriques de ce programme de recherche, il faut en vérifier toutes les hypothèses. Des étapes importantes ont d’ores et déjà été franchies.
Plusieurs scénarios de réalité virtuelle ont été élaborés, allant du plus simple (TUG classique) au plus complexe (déplacement avec obstacles et tâche secondaire). Les protocoles sont prêts, ils attendent les patients :
- condition de référence ;
- condition avec tâche manuelle requérant précision et attention ;
- condition avec obstacles sur le parcours ;
- condition avec tâche cognitive : détection et reconnaissance de formes disposées dans l’environnement du parcours ;
- conditions multiples simultanées :
Comment nourrir l’intelligence artificielle avec des mouvements de personnes susceptibles de chuter ? L’équipe de recherche a utilisé une carapace qui limite l’amplitude des gestes de locomotion et alourdit la démarche. En comparant les mesures issues des capteurs placés sur des personnes en pleine possession de leurs moyens, il est possible d’obtenir, via l’intelligence artificielle, une classification prometteuse mais qui reste encore à vérifier en situation réelle.
Pour les prochains mois, le projet va s’installer dans des structures médicalisées d’accueil des personnes âgées, en l’occurrence le Centre Florentin géré par l’Office d’Hygiène Sociale. Il sera ainsi possible de recueillir des données d’un grand nombre de patients qui accepteront de passer les tests imaginés par l’équipe de l’Université de Lorraine.
Un projet très prometteur qui met la technologie et la modernité au service des personnes âgées pour les prévenir de leur éventuelle fragilité, les inclure dans des programmes de remise en forme et leur permettre de conserver leur autonomie.
