Évaluation des capacités physiques des patients atteints de sarcopénie à l'aide d'une analyse de la marche et d'une semelle intérieure intelligente pour le développement d'un biomarqueur numérique

Rapports scientifiques volume 13, Numéro d'article : 10602 (2023) Citer cet article

485 accès

1 Altmétrique

Détails des métriques

Le but de cette étude est de comparer l'importance des variables sur plusieurs outils de mesure et d'utiliser une semelle intérieure intelligente et une analyse de la démarche par intelligence artificielle (IA) pour créer des variables pouvant évaluer les capacités physiques des patients atteints de sarcopénie. En analysant et en comparant les patients atteints de sarcopénie avec des patients non sarcopénies, cette étude vise à développer des modèles prédictifs et de classification de la sarcopénie et découvrir des biomarqueurs numériques. Les chercheurs ont utilisé un équipement de semelle intérieure intelligente pour collecter des données sur la pression plantaire de 83 patients, ainsi qu'un téléphone intelligent pour collecter des données vidéo pour estimer la pose. Une étude Mann – Whitney U a été menée pour comparer le groupe sarcopénie de 23 patients et le groupe témoin de 60 patients. Une semelle intérieure intelligente et une estimation de la pose ont été utilisées pour comparer les capacités physiques des patients atteints de sarcopénie avec un groupe témoin. L'analyse des variables des points articulaires a montré des différences significatives dans 12 variables sur 15, mais pas dans la moyenne du genou, la distance de la cheville et la distance de la hanche. Ces résultats suggèrent que les biomarqueurs numériques peuvent être utilisés pour différencier les patients atteints de sarcopénie de la population normale avec une précision améliorée. Cette étude a comparé des patients atteints de troubles musculo-squelettiques à des patients atteints de sarcopénie à l'aide d'une semelle intérieure intelligente et d'une estimation de la pose. Plusieurs méthodes de mesure sont importantes pour un diagnostic précis de la sarcopénie et la technologie numérique peut potentiellement améliorer le diagnostic et le traitement.

La sarcopénie est une diminution de la masse, de la force et de la fonction musculaire liée à l'âge. Il s’agit d’un problème courant chez les personnes âgées qui peut entraîner une mobilité réduite, un risque accru de chutes, de fractures et une qualité de vie réduite1. Les causes de la sarcopénie sont complexes et comprennent des changements hormonaux, une activité physique réduite, le stress oxydatif et l'inflammation, ainsi que des modifications dans la synthèse et la dégradation des protéines musculaires2,3. Plusieurs lignes directrices ont été élaborées pour diagnostiquer la sarcopénie, et il existe des lignes directrices représentatives présentées par des institutions telles que l'EWGSOP et l'AWGS4,5,6. Ces lignes directrices diagnostiques comprennent des éléments d'évaluation de la fonction physique pour les patients atteints de sarcopénie, qui sont actuellement mesurés de diverses manières1,7,8.

Le diagnostic de la sarcopénie implique d'évaluer la masse musculaire, la force, les performances physiques et la composition corporelle par diverses méthodes. L'accent a récemment été mis sur l'évaluation des performances physiques, avec des outils tels que le test de vitesse de marche, le test de support sur chaise, le test Timed Up and Go (TUG) et le test de force de la poignée étant couramment utilisés9,10. Cependant, ces méthodes sont sensibles aux biais subjectifs de la part du mesureur ou de l'environnement. Pour résoudre ce problème, on s’est orienté vers l’utilisation de l’intelligence artificielle (IA) pour collecter des données sur les performances physiques11. En particulier, des études telles que le calcul des angles et des distances articulaires à l’aide de l’estimation de pose sont activement discutées12,13.

Des recherches sont en cours pour améliorer la précision des mesures des performances physiques des patients à l'aide d'équipements intelligents, parallèlement à des technologies d'IA telles que l'estimation de la posture du corps14,15,16. L'estimation de pose est une technologie de vision par ordinateur qui utilise des modèles d'apprentissage profond pour estimer les points clés du corps humain en temps réel. Il suit et détecte les articulations et parties du corps humain, permettant une estimation de pose en 2D ou 3D17,18,19. Actuellement, des recherches actives sont en cours pour comparer sa précision et son utilité avec le système de mouvement VICON (Vicon Nexus ; Vicon Motion Systems Ltd., Oxford, Angleterre), qui utilise plusieurs caméras pour effectuer une capture de mouvement 3D très précise12,20. Grâce à ces études comparatives, l'exactitude et l'utilité de la méthode d'estimation de la pose sont vérifiées12,20,21. En outre, divers appareils portables tels que des montres intelligentes et des semelles intérieures intelligentes sont actuellement utilisés pour mesurer les performances physiques des patients. En particulier, des recherches utilisant des capteurs d'unité de mesure inertielle (IMU) tels que la Smart Insole sont activement menées dans le domaine de la dystrophie musculaire, et des paramètres spatiaux et temporels importants sont en cours d'identification. À titre d’exemple, des études ont été réalisées analysant la démarche de l’ostéoporose et de la dystrophie musculaire à l’aide de l’IA et de capteurs portables. Des études ont également été réalisées pour identifier des patients atteints de dystrophie musculaire à l'aide de capteurs IMU22,23.