Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
Un capteur de toilettes peut détecter le choléra et d'autres maladies
{{{sourceTextContent.subTitle}}}
Des chercheurs ont mis au point un capteur non invasif capable de détecter le choléra et d'autres maladies. Le capteur est placé au-dessus des toilettes et est associé à un algorithme d'apprentissage automatique capable de classer les événements d'excrétion. Les chercheurs affirment qu'il peut être déployé dans les zones où les épidémies de choléra constituent un risque persistant, ainsi que dans les zones sinistrées contaminées.
{{{sourceTextContent.description}}}
Le choléra, une maladie bactérienne qui provoque des diarrhées, touche des millions de personnes et entraîne environ 150 000 décès chaque année. Un système de détection précoce d'une épidémie de choléra aiderait les professionnels à améliorer l'allocation des ressources et de l'aide, mais le contrôle des échantillons fécaux n'est pas une tâche facile ou non invasive.
Aujourd'hui, Maia Gatlin, ingénieur de recherche à l'Institut de technologie de Géorgie, a mis au point le "détecteur de diarrhée" Le détecteur lui-même est un capteur microphonique qui peut être placé au-dessus des toilettes. L'équipe l'a associé à un algorithme d'apprentissage automatique capable d'identifier le choléra et d'autres maladies intestinales - sans informations personnelles identifiables.
Mme Gatlin et son équipe ont testé la technique sur des données audio provenant de sources en ligne. Chaque échantillon audio d'un événement d'excrétion a été transformé en un spectrogramme, qui capture essentiellement le son dans une image. Des événements différents produisent des caractéristiques différentes dans l'audio et le spectrogramme. Par exemple, la miction crée un son cohérent, tandis que la défécation peut avoir un son singulier. En revanche, la diarrhée est plus aléatoire. Les images du spectrogramme ont ensuite été soumises à un algorithme d'apprentissage automatique qui a appris à classer chaque événement en fonction de ses caractéristiques.
Selon les résultats de Gatlin, présentés lors de la 183e réunion de l'Acoustical Society of America, l'IA a correctement classé un événement d'excrétion comme diarrhéique ou non diarrhéique avec une précision de 98 % si le bruit de fond était filtré, et de 96 % si le bruit de fond était conservé.
"L'espoir est que ce capteur, dont l'empreinte est réduite et l'approche non invasive, puisse être déployé dans des zones où les épidémies de choléra constituent un risque persistant", a déclaré Gatlin. "Le capteur pourrait également être utilisé dans les zones sinistrées où la contamination de l'eau entraîne la propagation d'agents pathogènes d'origine hydrique, ou même dans les établissements de soins infirmiers ou hospitaliers pour surveiller automatiquement les selles des patients. Peut-être qu'un jour, notre algorithme pourra être utilisé avec les dispositifs intelligents existants à domicile pour surveiller ses propres selles et sa santé."
Ensuite, Mme Gatlin et ses collègues ont déclaré qu'ils allaient recueillir des données acoustiques du monde réel afin que leur modèle d'apprentissage automatique puisse s'adapter pour fonctionner dans divers environnements de salle de bains.