Une récente Annales de médecine familiale L’étude explore l’utilisation d’un stéthoscope assisté par intelligence artificielle (IA) pour surveiller à distance les exacerbations de l’asthme chez les adultes et les enfants.
Étude: Surveillance à domicile des exacerbations de l’asthme chez les enfants et les adultes avec l’utilisation d’un stéthoscope assisté par l’IA. Crédit d’image : OMfotovideocontent/Shutterstock.com
Sommaire
Arrière-plan
L’asthme touche entre 10 et 12 % des enfants et implique généralement une inflammation chronique des voies respiratoires. Ce problème de santé se caractérise également par des antécédents de symptômes respiratoires, notamment de la toux, une oppression thoracique, une respiration sifflante et un essoufflement.
Les exacerbations de l’asthme entraînent une détérioration de la fonction pulmonaire et des symptômes par rapport à l’état habituel du patient. Ces symptômes pourraient entraîner des hospitalisations et des visites occasionnelles aux urgences ; par conséquent, pour le soulagement des symptômes et une prise en charge appropriée, un diagnostic précoce est crucial.
Certains tests permettant de surveiller l’exacerbation de l’asthme sont disponibles pour un usage domestique, tels que les tests de la fonction pulmonaire qui mesurent le débit expiratoire de pointe (DEP). Cependant, ces tests ne sont pas conçus pour être utilisés par des enfants de moins de cinq ans. La forte prévalence de l’asthme chez les enfants souligne l’importance de fournir à tous les patients un accès aux outils nécessaires pour reconnaître une aggravation de l’asthme.
À propos de cette étude
StethoMe est un stéthoscope domestique basé sur l’IA qui détecte les phénomènes auscultatoires pathologiques, tels que les respirations sifflantes et les ronchis, ainsi que les sons transitoires, tels que les crépitements grossiers et fins. StethoMe mesure également efficacement d’autres paramètres vitaux, notamment la fréquence respiratoire (RR), la fréquence cardiaque (FC) et le rapport durée inspiration/expiration (I/E).
Dans l’étude observationnelle actuelle de six mois, 149 patients asthmatiques ont participé, dont 90 étaient des enfants. Tous les patients ont effectué des auto-examens à l’aide de trois appareils, dont le StethoMe, le compteur PEF et le dispositif de saturation capillaire périphérique en oxygène (SpO).2) mètre. Tous les participants à l’étude ont ensuite répondu à une enquête sur la santé qui a été évaluée par des médecins.
Pour chaque paramètre, un modèle d’apprentissage automatique (ML) a été formé. Dans l’étape suivante, l’aire sous la courbe caractéristique de fonctionnement du récepteur (AUC) a été calculée, ce qui a permis aux chercheurs d’évaluer l’utilité de ce paramètre spécifique dans la détection de l’exacerbation des symptômes.
Principales conclusions
Pour les enfants de cinq ans ou moins, l’évaluation subjective des parents était insuffisante pour exclure ou confirmer une exacerbation de l’asthme. Ceci est similaire aux recherches précédentes faisant état d’incohérences entre les évaluations des médecins et des parents.
Les chercheurs ont découvert que l’utilisation d’un seul paramètre pouvait être trompeuse, car individuellement, RR, FC, SpO2, PEF et I/E sont des indicateurs faibles. Cependant, les sons auscultatoires continus pourraient être plus efficaces lorsqu’ils sont limités à un seul paramètre. Néanmoins, l’intégration de plusieurs paramètres s’est avérée être la meilleure approche pour les enfants.
Pour tous les groupes, une combinaison de données fournies par les trois appareils était le meilleur déterminant de l’exacerbation de l’asthme ; cependant, les données fournies par le stéthoscope assisté par l’IA à elles seules étaient tout aussi efficaces pour les enfants. Cette découverte reflète l’efficacité de StethoMe dans la détection des exacerbations chez les enfants, y compris ceux de moins de cinq ans.
Le stéthoscope assisté par l’IA pourrait améliorer considérablement la collaboration patient-médecin grâce à des solutions de télémédecine. Les programmes de télésanté se développent rapidement et sont rentables, car les dossiers médicaux peuvent être envoyés et analysés électroniquement à l’aide de modules d’IA.
Malgré ces progrès, il manque un plan d’action définitif pour détecter l’exacerbation de l’asthme, en particulier chez les jeunes enfants. L’étude actuelle suggère que le stéthoscope domestique assisté par l’IA pourrait combler cette lacune en surveillant un ensemble complet de paramètres reflétant la gravité de l’asthme.
Conclusions
Les résultats de l’étude mettent en valeur l’utilité du stéthoscope assisté par l’IA pour détecter à distance les exacerbations de l’asthme telles que les respirations sifflantes, les RH, les RR et les rhonchi. Cela est particulièrement vrai pour les enfants plus jeunes pour lesquels l’évaluation des parents peut ne pas être précise ; par conséquent, StethoMe semble être un dispositif précieux pour faciliter la surveillance de l’asthme.
L’un des points forts de la présente étude réside dans l’utilisation de données à grande échelle provenant de dispositifs médicaux certifiés, ce qui suggère que les données sont hautement fiables et supérieures aux études en laboratoire avec une surveillance à court terme et un petit nombre de participants.
Il est important de noter qu’une limitation notable concerne la norme de référence utilisée pour les paramètres. Puisqu’il n’existe pas de paramètres ni de points de référence bien établis, les normes utilisées dans cette étude étaient basées sur les décisions subjectives de chaque médecin et sur son expérience. De plus, l’étude actuelle n’incluait que des patients slaves et, par conséquent, n’était pas diversifiée sur le plan ethnique.
