Réalité virtuelle et intelligence artificielle au service de la prévention des chutes chez les personnes âgées
Dans le cadre de leur Projet Découverte de la Recherche (PIDR) de 2e année, deux élèves de TELECOM Nancy, Mohammed KRIMI et Benjamin PEZET, ont participé au développement d’un « modèle prédicteur des risques de chute et des facteurs explicatifs » encadrés par Fabien CLANCHÉ, Ingénieur de recherche au laboratoire DevAH (Développement, Adaptation et Handicap) de la Faculté des Sciences du Sport.
Ce projet innovant met en œuvre des technologies de réalité virtuelle, d’intelligence artificielle et de science des données en vue de quantifier et préciser les causes de la chute chez les personnes âgées.
Il fait l’objet d’une collaboration entre le CRAN, la Faculté des sciences du Sport, la Fondation MAIF, l’OHS Lorraine (Office d’Hygiène Sociale Lorraine) et TELECOM Nancy.
La chute : première cause de mortalité chez les plus de 65 ans d’après une étude de l’INSERM
Un constat : la population vieillit et les chutes constituent un problème majeur de santé publique. Chez les personnes âgées, les chutes peuvent avoir des conséquences très graves et entraîner des pertes d’autonomie de longue durée, voire définitives c’est pourquoi il est important de maintenir les personnes les plus fragiles en bonne santé. La multiplicité des facteurs de risque de chute rend cependant leur prévention délicate à réaliser.
L’objet de ce PIDR mené par les élèves de TELECOM Nancy a donc été de réaliser un modèle de prédiction des risques de chute et de leurs causes en développant les algorithmes de traitement de données.
Réalité virtuelle et intelligence artificielle pour améliorer les diagnostics
Le projet a démarré en 2016 avec une première collaboration avec l’école et le développement d’un premier scénario permettant de modéliser un des tests de détection du risque de chute le plus connu, le test « TUG » (Timed Up & Go), test chronométré permettant de mesurer l’équilibre dynamique chez les personnes âgées en leur demandant d’effectuer un déplacement spécifique. Le risque de chute est déterminé en partie en fonction du temps mis pour réaliser l’exercice.
Pour le test développé ici, un scénario de réalité virtuelle a été co-construit avec le personnel de santé de l’OHS Lorraine puis mis en œuvre dans le cadre d’une expérimentation afin de constituer une base de données et de connaissances explicatives d’une performance cognitivo-motrice.
Le patient est équipé de 2 contrôleurs et de 3 trackers, un au niveau du bas du dos et 1 à chaque pied.
Du fait de l’épidémie de Covid, il n’y a pas eu de possibilité de tester sur des vrais patients c’est pourquoi les test ont été réalisés avec le port d’une combinaison qui simule le vieillissement (gilet lesté, poids aux genoux et aux mollets, etc.).
L’avantage de la réalité virtuelle pour ce test est que cet outil est transposable n’importe où et qu’il est « générique » : le test est toujours fait de la même manière.
A l’issue du test, on obtient un score de sensibilité / spécificité permettant de détecter les chuteurs et les non chuteurs. Le facteur d’efficacité du modèle ici développé est de 80 %.
Vidéo de l’expérimentation :
Au fur et à mesure des tests, l’algorithme va apprendre grâce aux données recueillies (machine learning) et va être capable d’identifier et de classifier plusieurs profils de personnes (chuteuse / non chuteuse, porteuse / non porteuse d’une combinaison de vieillissement).
Ce travail permettra d’obtenir de nouveaux indicateurs et de produire un arbre de décision facilement interprétable par le praticien de santé pour une meilleure prise en charge, adaptée à chaque patient.
Les données sont hébergées à l’école et une API (interface de programmation) permet aux professionnels de santé de les charger tout en étant conforme à la RGPD.
Quelle suite pour ce projet ?
Le projet, financé par la Fondation MAIF et l’OHS Lorraine va se poursuivre avec la reprise de l’expérimentation à l’OHS Lorraine afin de renforcer l’exactitude du modèle et d’affiner les causes de risque.
Le potentiel applicatif est réel : l’objectif serait de déployer ce système à grande échelle, directement dans les cabinets des médecins pour leur offrir un outil numérique permettant de mieux identifier la cause du risque de chute et proposant un programme de « soins » adapté.
Projet de découverte de la recherche ou projet interdisciplinaire (PIDR)
Ce projet fait partie du programme de 2e année du cursus TELECOM Nancy.
Il permet un premier contact concret avec la recherche menée dans les laboratoires de l’Université, en particulier le LORIA, le CRAN et l’IECL.
Il s’agit d’un projet encadré par un enseignant-chercheur ou un chercheur, qui inclut une partie recherche bibliographique et une partie programmation.
Dans le cas interdisciplinaire, le projet ne se déroule pas nécessairement en laboratoire et concerne des aspects liés à différentes disciplines autour de l’informatique.
Contact : Fabien CLANCHÉ
En savoir plus : https://www.fondation-maif.fr/pageArticle.php?rub=1&id=915&archive=0