{{{sourceTextContent.title}}}

L'application d'apprentissage automatique scanne les visages et écoute la parole pour repérer rapidement les traits

{{{sourceTextContent.subTitle}}}

Les chercheurs affirment que leur outil a détecté les cas avec une précision de 79%, et ce en quelques minutes.

{{{sourceTextContent.description}}}

Des chercheurs de la Penn State University et du Houston Methodist Hospital ont récemment présenté leurs travaux sur un outil d'apprentissage automatique qui utilise une caméra de smartphone pour évaluer rapidement les mouvements du visage afin de détecter les signes d'un accident vasculaire cérébral.

Cet outil - qui a été présenté sous forme de poster virtuel lors de la conférence internationale sur l'imagerie médicale et les interventions assistées par ordinateur de ce mois-ci - repose sur l'analyse numérique des mouvements du visage et le traitement du langage naturel pour repérer les muscles relâchés, les troubles de l'élocution ou d'autres symptômes semblables à ceux d'un accident vasculaire cérébral.

Pour le construire et le former, les chercheurs ont utilisé un iPhone pour enregistrer 80 patients méthodistes de Houston qui présentaient des symptômes d'accident vasculaire cérébral lors d'un test d'élocution. Selon un communiqué de Penn State, le modèle d'apprentissage machine a fonctionné avec une précision de 79 % lorsqu'il a été testé à nouveau sur cet ensemble de données, ce qui, selon les chercheurs, est à peu près équivalent aux diagnostics des salles d'urgence utilisant des scanners CT.

"Actuellement, les médecins doivent utiliser leur formation et leur expérience passées pour déterminer à quel stade un patient doit être envoyé pour un scanner", a déclaré James Wang, professeur de sciences et technologies de l'information à Penn State, dans un communiqué de l'université. "Nous essayons de simuler ou d'émuler ce processus en utilisant notre approche d'apprentissage automatique"

POURQUOI C'EST IMPORTANT

Si les performances de l'outil venaient à s'aligner sur les diagnostics standard, les chercheurs ont déclaré que son délai d'exécution d'environ quatre minutes offrirait un avantage clinique aux équipes des services d'urgence qui font la course. Un retard de diagnostic signifie plus de neurones perdus et de moins bons résultats pour le patient.

"Dans les cas d'accidents vasculaires cérébraux graves, il est évident pour nos prestataires dès l'instant où le patient entre aux urgences, mais des études suggèrent que dans la majorité des cas, qui présentent des symptômes légers à modérés, le diagnostic peut être retardé de plusieurs heures, et qu'à ce moment-là, le patient peut ne pas être éligible aux meilleurs traitements possibles", a déclaré John Volpi, codirecteur du Centre Eddy Scurlock Stroke de l'hôpital méthodiste de Houston et co-auteur de la recherche, dans un communiqué.

"Si nous pouvons améliorer les diagnostics en amont, nous pourrons mieux exposer les bons patients aux bons risques et ne pas manquer les patients qui pourraient en bénéficier", a-t-il déclaré.

Si les chercheurs ont déclaré que l'ensemble de données et l'outil pouvaient être appliqués dans un cadre clinique, ils ont également évoqué la possibilité de le déployer comme ressource pour les soignants ou les patients afin de les aider à savoir quand demander des soins.

LA TENDANCE GÉNÉRALE

L'apprentissage approfondi et les appareils mobiles ont été exploités au fil des ans pour faciliter la détection des accidents vasculaires cérébraux. Dès 2011, les chercheurs ont mis au point une application iPhone qui scanne l'imagerie médicale pour aider à la prise de décision clinique.

Avance rapide jusqu'en 2018, et l'application Contact de Viz.ai a reçu une autorisation De Novo de la FDA pour mettre en évidence les preuves potentielles d'un accident vasculaire cérébral parmi les résultats de CT pour les cliniciens. L'année dernière, nous avons également appris l'existence d'une application de Cheil Hong Kong et de la Hong Kong Stroke Association qui, comme celles de Penn State et de Houston Methodist, utilise la technologie de reconnaissance faciale pour repérer les symptômes d'un accident vasculaire cérébral.