Dans un conférence internationale sur la santé cette semaine, des scientifiques deUniversité de Washington e Microsoft Research présentera un nouvelle technologie qui permet aux professionnels de santé de surveiller à distance les signes vitaux d'un patient (pouls et fréquence cardiaque).
L'outil utilise la caméra sur un smartphone ou un ordinateur pour capturer la vidéo du visage d'une personne. Cette vidéo est analysée pour mesurer les changements de la lumière réfléchie par la peau d'un patient, qui à son tour sont liés aux changements du volume sanguin et de la circulation sanguine.
Des chercheurs d'UW et de Microsoft ont utilisé l'apprentissage automatique et trois ensembles de données de statistiques vidéo et de santé pour entraîner leur système.
Clause de non-responsabilité
Cela s'est également produit récemment avec d'autres projets d'apprentissage automatique. Encore une fois, la technologie fonctionnait moins précisément entre les personnes de races différentes. Dans ce cas, une peau plus claire est plus réfléchissante, tandis qu'une peau plus foncée absorbe plus de lumière et l'instrument a plus de mal à percevoir les changements subtils des reflets.
«Chaque personne est différente. Pour cela, le système doit pouvoir s'adapter rapidement à la signature physiologique unique de chaque personne et la séparer des autres variantes. À quoi ils ressemblent et l'environnement dans lequel ils ont besoin d'être exclus afin de mieux suivre les signes vitaux », dit-il Xin Liu , auteur principal de la recherche et doctorant à la Paul G. Allen School of Computer Science & Engineering.
Les chercheurs ont trouvé une solution au problème de la couleur de la peau: le système collecte 18 secondes de vidéo utilisateur avec lesquelles il calibre le système avant de détecter les signes vitaux. La phase d'étalonnage peut ajuster le teint de la peau, l'âge du patient (la peau fine et jeune des bébés et des enfants se comporte différemment de la peau d'un utilisateur plus âgé), les poils du visage, l'arrière-plan, l'éclairage et d'autres facteurs. Les scientifiques travaillent pour améliorer encore les performances, mais la stratégie a considérablement augmenté la précision du système.
L'utilisation de l'étalonnage pour optimiser les performances signifie que l'apprentissage automatique peut être mis en œuvre avec des ensembles de données plus petits.
C'est une bonne nouvelle pour Daniel Mc Duff, co-auteur et chercheur avec Microsoft Research. Pour au moins trois raisons:
- Des ensembles de données plus petits conduisent à une meilleure conservation de la confidentialité, car moins de personnes ont besoin de fournir des informations.
- Démocratisez et rendez le machine learning accessible à un plus large éventail de développeurs.
- Cela signifie qu'une entité n'est pas laissée en possession d'énormes quantités d'informations capturées dans des ensembles de données mondiaux.
La prochaine étape des chercheurs consiste à tester la technologie dans un cadre clinique.
La télémédecine et le télédiagnostic prennent leur envol
Alors que la santé numérique surfe sur une vague de popularité alimentée par Covid (et d'énormes investissements), les chercheurs se précipitent pour développer des outils technologiques capables de fournir des soins de santé à distance toujours plus précis.
Pas seulement des signes vitaux à distance
Le mois dernier, Amazon a déclaré qui élargira son service de soins de santé à distance. Il s'appelle Soins Amazon et il était réservé aux employés uniquement. Désormais, ce sera également le cas pour les non-salariés, d'abord dans l'État de Washington, puis dans tout le pays d'ici la fin de l'année. La startup de télémédecine de Seattle 98point6 il grandit de façon spectaculaire. Une autre équipe de chercheurs (également de l'Université de Washington) a a présenté une technologie qui utilise l'intelligence artificielle pour transformer les haut-parleurs intelligents en dispositifs médicaux sensibles capables de détecter des battements cardiaques irréguliers.
