Des trackers d’activité portables qui surveillent les changements de température de la peau et de fréquence cardiaque et respiratoire, combinés à l’intelligence artificielle (IA), pourraient être utilisés pour détecter l’infection au COVID-19 quelques jours avant le début des symptômes, suggère une recherche préliminaire publiée dans la revue en libre accès BMJ ouvert.
Les chercheurs basent leurs découvertes sur les porteurs du bracelet AVA, un tracker de fertilité réglementé et disponible dans le commerce qui surveille la fréquence respiratoire, la fréquence cardiaque, la variabilité de la fréquence cardiaque, la température de la peau du poignet et le flux sanguin, ainsi que la quantité et la qualité du sommeil.
Les symptômes typiques du COVID-19 peuvent prendre plusieurs jours après l’infection avant d’apparaître, période pendant laquelle une personne infectée peut involontairement propager le virus.
L’attention a commencé à se concentrer sur le potentiel des trackers d’activité et des montres intelligentes pour détecter toutes les étapes de l’infection au COVID-19 dans le corps, de l’incubation à la récupération, dans le but de faciliter l’isolement et le test précoces des personnes infectées.
Les chercheurs ont donc voulu voir si les changements physiologiques, surveillés par un tracker d’activité, pouvaient être utilisés pour développer un algorithme d’apprentissage automatique pour détecter l’infection au COVID-19 avant le début des symptômes.
Les participants (1163 tous âgés de moins de 51 ans) ont été tirés de l’étude GAPP entre mars 2020 et avril 2021. GAPP, qui a débuté en 2010, vise à mieux comprendre le développement des facteurs de risque cardiovasculaire dans la population générale du Lichtenstein.
Le bracelet AVA a été choisi car ses données étaient auparavant utilisées pour informer un algorithme d’apprentissage automatique afin de détecter en temps réel les jours les plus fertiles des femmes qui ovulent, atteignant une précision de 90 %.
Les participants portaient le bracelet AVA la nuit. L’appareil enregistre les données toutes les 10 secondes et nécessite au moins 4 heures de sommeil relativement ininterrompu. Les bracelets étaient synchronisés avec une application smartphone complémentaire au réveil.
Les participants ont utilisé l’application pour enregistrer toutes les activités susceptibles d’altérer le fonctionnement du système nerveux central, telles que l’alcool, les médicaments sur ordonnance et les drogues récréatives, et pour enregistrer les éventuels symptômes du COVID-19.
Ils ont tous passé régulièrement des tests rapides d’anticorps pour le SRAS-CoV-2, le virus responsable de l’infection au COVID-19. Ceux qui présentaient des symptômes indicatifs ont également passé un test PCR sur écouvillon.
Tout le monde a fourni des informations personnelles sur l’âge, le sexe, le statut tabagique, le groupe sanguin, le nombre d’enfants, l’exposition à des contacts familiaux ou à des collègues de travail qui ont été testés positifs pour COVID-19 et le statut vaccinal.
Quelque 127 personnes (11 %) ont développé une infection au COVID-19 au cours de la période d’étude. Il n’y avait aucune différence dans les facteurs contextuels entre ceux qui ont été testés positifs et ceux qui n’ont pas été testés positifs. Mais une proportion significativement plus élevée de ceux qui l’ont fait ont déclaré avoir été en contact avec des membres du ménage / des habitués ou des collègues de travail qui avaient également le COVID-19.
Sur les 127 personnes testées positives au COVID-19, 66 (52%) avaient porté leur bracelet pendant au moins 29 jours avant le début des symptômes et ont été confirmées positives par le test PCR sur écouvillon, elles ont donc été incluses dans l’analyse finale.
Les données de surveillance ont révélé des changements significatifs dans les cinq indicateurs physiologiques pendant les périodes d’incubation, pré-symptomatique, symptomatique et de récupération de COVID-19 par rapport aux mesures de base. Les symptômes de la COVID-19 ont duré en moyenne 8,5 jours.
L’algorithme a été « formé » en utilisant 70% des données du jour 10 au jour 2 avant le début des symptômes au cours d’une période de surveillance continue de 40 jours des 66 personnes testées positives pour le SRAS-CoV-2. Il a ensuite été testé sur les 30% restants des données.
Quelque 73% des cas positifs confirmés en laboratoire ont été détectés dans l’ensemble de formation et 68% dans l’ensemble de test, jusqu’à 2 jours avant le début des symptômes.
Les chercheurs reconnaissent que leurs résultats pourraient ne pas être plus largement applicables. Les résultats étaient basés sur un petit échantillon de personnes, qui étaient toutes relativement jeunes – donc moins susceptibles d’avoir des symptômes graves de COVID-19 – ; – d’un seul centre national, et qui n’étaient pas ethniquement diverses.
De plus, la précision (sensibilité) obtenue était inférieure à 80 %. Mais l’algorithme est actuellement testé dans un groupe beaucoup plus important (20 000) de personnes aux Pays-Bas, avec des résultats attendus plus tard cette année, disent-ils.
Tandis qu’un test d’écouvillon d’ACP demeure l’étalon-or pour confirmer l’infection COVID-19, « nos découvertes proposent qu’un algorithme d’apprentissage automatique informé par portable puisse servir d’outil prometteur pour le dépistage présymptomatique ou asymptomatique de COVID-19, » ils écrivent.
Et ils concluent : « La technologie des capteurs portables est une méthode facile à utiliser et peu coûteuse pour permettre aux individus de suivre leur santé et leur bien-être pendant une pandémie. Nos recherches montrent comment ces appareils, associés à l’intelligence artificielle, peuvent repousser les limites de médecine personnalisée et détecter les maladies avant [symptom occurrence]réduisant potentiellement la transmission du virus dans les communautés. »
