Les implants médicaux sont, pour la plupart, des collecteurs de données silencieux : ils enregistrent, les cliniciens les examinent plus tard, et les patients en voient rarement avant un rendez-vous programmé. Une équipe de l’Université de Pennsylvanie a testé un modèle très différent : un dispositif médical avec lequel les patients peuvent réellement parler et qui répond.
Dans une étude de validation de principe publiée dans Nature Medicine, des chercheurs de la Perelman School of Medicine de Penn et du Center for Neuroengineering and Therapeutics (CNT) décrivent une plateforme basée sur l'IA qui permet aux personnes surveillées pour l'épilepsie d'échanger des messages avec leur système de surveillance cérébrale en temps réel - en posant des questions sur leur propre activité cérébrale, en recevant des alertes personnalisées, en signalant les symptômes et en aidant même le système à reconnaître plus précisément leurs crises. Pour plus de contexte sur cette histoire, consultez notre actualités IA.
Comment fonctionne la plateforme
L'étude a recruté 13 adultes admis à l'unité de surveillance de l'épilepsie de Penn pour une surveillance continue du cerveau par électroencéphalographie (EEG) – certains pour identifier la source de leurs crises, d'autres dans le cadre d'une évaluation pré-chirurgicale. La plate-forme qu'ils ont testée comprenait trois éléments : un logiciel qui capturait en continu les données EEG des électrodes situées dans le cerveau de chaque participant ; un environnement cloud sécurisé et conforme à la HIPAA analysant les données entrantes en temps quasi réel ; et une application pour smartphone dotée d'un agent conversationnel IA développé par Penn, construit avec une technologie similaire à celle derrière ChatGPT.
Grâce à l'application, les patients pouvaient poser des questions sur leur activité cérébrale, demander des visualisations des tendances de leurs données, signaler des symptômes et recevoir des alertes ou des enquêtes tout au long de la journée. Le système pourrait également intervenir spontanément lorsqu'il détecte des changements qu'il juge pertinents et s'adapter « à la volée » en fonction des réponses des patients.
"L'idée est qu'au lieu d'attendre qu'un spécialiste analyse les données collectées par votre appareil, celui-ci pourrait détecter les changements et vous alerter immédiatement, comme votre propre Jiminy Cricket sur votre épaule", a déclaré l'auteur principal Brian Litt, MD, professeur de neurologie, de neurochirurgie et de bio-ingénierie. "Plus important encore, le patient et l'appareil peuvent apprendre ensemble au fil du temps. L'appareil apprend ce qui compte pour le patient, et le patient apprend comment son comportement affecte sa santé."
Ce que 1 307 messages ont révélé
Au cours de la période d'étude, les participants ont échangé 1 307 messages avec le système. La plupart des conversations étaient centrées sur les crises, le sommeil, l’humeur et les niveaux d’énergie – facteurs ayant une incidence directe sur l’activité des crises. Les patients ont également été interrogés trois fois par jour sur leur sommeil, leur anxiété, leur humeur, leur bien-être et d'autres symptômes.
La boucle de rétroaction fonctionnait dans les deux sens. Les participants pouvaient indiquer au système quelles détections de crises étaient correctes et lesquelles étaient de fausses alarmes, et la plateforme a ainsi considérablement amélioré sa capacité à identifier les crises avec précision. Les cliniciens pourraient examiner les évaluations du système et ajouter leurs propres annotations grâce à ce que l'équipe appelle un algorithme intelligent « d'expert dans la boucle », qui concentrait l'apport des experts uniquement sur les cas de plus grande valeur.
Plusieurs participants ont déclaré que la plateforme les avait aidés à donner un sens à des tendances qu'ils avaient remarquées mais qu'ils n'avaient jamais comprises. L'un d'entre eux a rapporté que cela avait aidé à "consolider ce que je pensais être vrai entre certains de mes épisodes et émotions". D'autres ont apprécié l'accès à leurs données de sommeil et la possibilité d'être averti avant des crises majeures.
De l'épilepsie aux pompes à insuline et à la stimulation cérébrale profonde
L’équipe considère la plateforme comme un modèle pour la prochaine génération de dispositifs médicaux bien au-delà de l’épilepsie. Les applications potentielles comprennent les dispositifs cardiaques, les pompes à insuline et les traitements neuropsychiatriques émergents pour la maladie de Parkinson, la dépression, les troubles obsessionnels compulsifs, la dépendance et les troubles cognitifs.
Les travaux sont déjà en cours : les chercheurs préparent des études avec Lauren Hammer, MD, PhD, professeur adjoint de neurologie et de bio-ingénierie, pour appliquer la plateforme afin de régler automatiquement les appareils de stimulation cérébrale profonde utilisés pour traiter la maladie de Parkinson. D'autres projets visent à intégrer des appareils portables pour lutter contre l'insomnie, l'épilepsie et la surveillance du cerveau et des signes vitaux.
"Les patients comprennent souvent des aspects de leur maladie que les capteurs ne peuvent pas mesurer directement", a déclaré Litt – envisageant, comme le dit le communiqué, une pompe à insuline qui pourrait répondre aux questions sur la façon dont un repas affectera la glycémie. À mesure que ces systèmes deviennent plus personnalisés, les chercheurs s’attendent à ce qu’ils nécessitent moins de supervision clinique, ce qui rendrait pratique leur utilisation ambulatoire à long terme.
Un changement dans la vocation des dispositifs médicaux
La portée plus large de l'étude est autant conceptuelle que technique. Alors que les appareils d'aujourd'hui collectent principalement des données pour un examen périodique par les cliniciens, la plateforme Penn traite l'appareil, le patient et l'équipe soignante comme des collaborateurs dans une conversation continue. Les résultats ont été publiés dans Nature Medicine par la Perelman School of Medicine et l'équipe CNT, la plate-forme elle-même étant construite par des doctorants de Penn Bioengineering dirigés par Zack Goldblum, Haoer Shi et Zhongchuan Xu.
L’expérience est petite – 13 patients dans une unité de surveillance contrôlée – et la technologie est précoce. Mais il offre un aperçu concret de ce qui se passe lorsque les données collectées par un dispositif médical cessent de circuler dans un sens et deviennent quelque chose que les patients peuvent remettre en question, corriger et tirer des leçons en temps réel.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
