Surveillance de l’asthme chez les jeunes enfants à l’aide d’un stéthoscope assisté par l’IA

Selon une étude, un stéthoscope assisté par intelligence artificielle (IA) pourrait améliorer la surveillance à domicile des exacerbations de l’asthme chez les très jeunes enfants, en mesurant des symptômes tels que le débit expiratoire de pointe (DEP).

Ces résultats offrent aux parents d’enfants asthmatiques la possibilité de s’auto-surveiller à la maison, ce qui peut fournir une image plus complète de la maladie de leurs enfants que des visites occasionnelles en personne à la clinique.

Cette étude observationnelle est publiée dans Les Annales de la médecine familiale.

“Le but de cette étude était d’étudier quels paramètres sont d’une importance cruciale dans la détection et la surveillance des exacerbations des patients asthmatiques et dans quelle mesure un stéthoscope domestique assisté par IA peut soutenir ce processus, en particulier chez les enfants, pour lesquels il y a un manque de des outils efficaces », ont écrit les chercheurs de l’étude.

Un rapport publié en 2022 par la Global Initiative for Asthma (GINA) a identifié les bruits respiratoires continus tels que la toux, la respiration sifflante, l’essoufflement et l’oppression thoracique, en plus de la limitation variable du débit d’air expiratoire, comme les meilleurs indicateurs d’une exacerbation de l’asthme, en particulier chez les enfants. moins de 5 ans. Cependant, l’évaluation de ces symptômes est encore principalement effectuée par des médecins utilisant des stéthoscopes lors de visites en face à face.

Dans cette étude, les chercheurs ont mené une étude de 6 mois sur 149 patients asthmatiques de différents âges suivis à domicile en Pologne. Chaque patient ou parent a été invité à effectuer un auto-examen de son état de santé à l’aide d’un stéthoscope domestique, d’un débitmètre de pointe et d’un oxymètre de pouls. De plus, il a été demandé à ces patients d’indiquer la qualité de leur respiration et d’autres symptômes au moyen d’une enquête en ligne. En outre, des symptômes auditifs et des sons auscultatoires plus subjectifs ont été enregistrés à partir de points de poitrine standard de tous les participants à l’étude à l’aide d’un stéthoscope domestique basé sur l’IA. Tous les enregistrements sonores ont ensuite été transférés vers une application pour téléphone portable.

Ces enregistrements ont été automatiquement analysés par un module d’IA, qui a généré des résultats relatifs aux intensités sonores auscultatoires pathologiques du patient, à sa fréquence cardiaque et à son rapport entre la durée d’inspiration et d’expiration, qui ont été affichés dans l’application. Les données ont été analysées par des médecins via une plateforme en ligne pour identifier toute occurrence d’exacerbation.

L’analyse a montré que les meilleurs discriminateurs d’exacerbations à un seul paramètre étaient l’intensité de la respiration sifflante chez les enfants de moins de 5 ans (aire sous la courbe [AUC], 84 % ; IC à 95 %, 82-85), intensité du rhonchi pour les enfants de plus de 5 ans (ASC, 81 % ; IC à 95 %, 79-84) et réponses à l’enquête pour les adultes (AUC, 92 % ; IC à 95 %, 89-95 ). Cependant, la plus grande efficacité en termes d’ASC a été identifiée pour une combinaison de plusieurs paramètres.

Étant donné que ces résultats étaient basés sur des données à grande échelle provenant de cas d’utilisation prévue par des dispositifs médicaux certifiés, leur fiabilité est bien supérieure à celle d’une étude en laboratoire avec un nombre limité de participants et une surveillance à court terme. Cependant, les chercheurs ont reconnu que l’étude présentait certaines limites. Premièrement, il n’existe actuellement aucun paramètre objectif définitif ni un ensemble spécifique de paramètres objectifs pouvant véritablement confirmer une exacerbation de l’asthme. Par conséquent, la norme de référence utilisée dans l’étude était basée sur l’expérience et les décisions subjectives de chaque médecin. Deuxièmement, l’étude s’est concentrée uniquement sur les patients slaves, bien qu’aucune donnée disponible du GINA n’indique une influence ethnique sur l’identification des exacerbations.

Malgré ces limites, les chercheurs pensent que cette étude indique que, même si la combinaison de plusieurs mesures est idéale, les paramètres mesurés par un stéthoscope domestique assisté par l’IA peuvent aider à détecter les exacerbations de l’asthme plus efficacement que les seules mesures du DEP.

“L’identification de l’exacerbation de l’asthme repose sur des symptômes et des mesures indirectes plutôt que sur des biomarqueurs concrets”, ont écrit les chercheurs. « Ainsi, la norme de référence que nous avons utilisée a également été établie sur la base de l’expérience et des décisions subjectives de chaque médecin. Néanmoins, cela est tout à fait cohérent avec l’approche clinique actuelle en matière de détection des exacerbations de l’asthme.

Référence

Emeryk A, Derom E, Janeczek K et al. Surveillance à domicile des exacerbations de l’asthme chez les enfants et les adultes à l’aide d’un stéthoscope assisté par l’IA. Les Annales de la médecine familiale. 2023;21(6):517-525. doi:10.1370/afm.3039