Surveiller la progression des problèmes de marche liés à la sclérose en plaques peut être difficile chez les adultes de plus de 50 ans, ce qui oblige un clinicien à faire la différence entre les problèmes liés à la SP et d’autres problèmes liés à l’âge.
Pour résoudre ce problème, les chercheurs intègrent les données de marche et l’apprentissage automatique pour faire progresser les outils utilisés pour surveiller et prédire la progression de la maladie.
Une nouvelle étude de cette approche menée par Rachneet Kaur, étudiant diplômé de l’Université de l’Illinois Urbana Champaign, Manuel Hernandez, professeur de kinésiologie et de santé communautaire et Richard Sowers, professeur d’ingénierie industrielle et d’entreprise et de mathématiques, est publiée dans la revue Institute of Electrical and Electronics Engineers Transactions on Biomedical Engineering.
La sclérose en plaques peut se présenter de plusieurs manières chez les quelque 2 millions de personnes qu’elle affecte dans le monde, et les problèmes de marche sont un symptôme courant. Environ la moitié des patients ont besoin d’aide à la marche dans les 15 ans suivant leur apparition, selon l’étude.
Nous voulions avoir une idée des interactions entre le vieillissement et les changements concomitants liés à la SP et si nous pouvions également différencier les deux chez les personnes âgées atteintes de SP. Les techniques d’apprentissage automatique semblent particulièrement bien fonctionner pour détecter des changements cachés complexes dans les performances. Nous avons émis l’hypothèse que ces techniques d’analyse pourraient également être utiles pour prédire les changements de démarche soudains chez les personnes atteintes de SEP. «
Manuel Hernandez, KProfesseur en inésiologie et santé communautaire, Université de l’Illinois à Urbana-Champaign
À l’aide d’un tapis roulant instrumenté, l’équipe a recueilli des données sur la marche – normalisées en fonction de la taille du corps et des données démographiques – auprès de 20 adultes atteints de SEP et de 20 adultes plus âgés de même âge, poids, taille et sexe sans SEP.
Les participants ont marché à un rythme confortable pendant jusqu’à 75 secondes tandis qu’un logiciel spécialisé capturait les événements de marche, les forces de réaction au sol correspondantes et les positions du centre de pression au cours de chaque marche.
L’équipe a extrait les caractéristiques spatiales, temporelles et cinétiques caractéristiques de chaque participant dans leurs foulées pour examiner les variations de la démarche au cours de chaque essai.
Des changements dans diverses fonctionnalités de marche, y compris une fonctionnalité de données appelée diagramme papillon, ont aidé l’équipe à détecter les différences dans les schémas de marche entre les participants.
Le diagramme tire son nom de la courbe en forme de papillon créée à partir de la trajectoire répétée du centre de pression pour de multiples foulées continues pendant la marche d’un sujet et est associé à des fonctions neurologiques critiques, rapporte l’étude.
« Nous étudions l’efficacité d’un cadre d’apprentissage automatique basé sur la dynamique de la marche pour classer les foulées des personnes âgées atteintes de SEP à partir de contrôles sains pour les généraliser à travers différentes tâches de marche et sur de nouveaux sujets », a déclaré Kaur. « Cette méthodologie proposée est une avancée vers le développement d’un marqueur d’évaluation pour les professionnels de la santé afin de prédire les personnes âgées atteintes de SEP qui sont susceptibles de présenter une aggravation des symptômes à court terme. »
Les études futures peuvent fournir des examens plus approfondis pour gérer la petite taille de la cohorte de l’étude, a déclaré Sowers.
«Les systèmes biomécaniques, tels que la marche, sont des systèmes mal modélisés, ce qui rend difficile la détection des problèmes dans un contexte clinique», a déclaré Sowers. « Dans cette étude, nous essayons d’extraire des conclusions d’ensembles de données qui incluent de nombreuses mesures de chaque individu, mais un petit nombre d’individus. Les résultats de cette étude font des progrès significatifs dans le domaine des stratégies de prédiction des maladies basées sur l’apprentissage automatique clinique. . «
La source:
Université de l’Illinois à Urbana-Champaign, News Bureau
Référence du journal:
Kaur, R., et al. (2021) Prédire la sclérose en plaques à partir de la dynamique de la marche à l’aide d’un tapis roulant instrumenté – Une approche d’apprentissage automatique. Transactions IEEE sur le génie biomédical. doi.org/10.1109/TBME.2020.3048142.
