Les constructeurs sous pression pour mesurer la pression artérielle
Les constructeurs de montres connectées, Apple en tête, cherchent à renforcer les fonctions santé de leurs produits. Le glucomètre non-invasif, pour mesurer le taux de sucre dans le sang, est encore loin d'être au point même si le constructeur y travaille depuis des années.
Les sous-traitants d'Apple travailleraient sur un capteur de glycémie
Autre secteur dans lequel les investissements sont lourds, celui de la pression artérielle. Des rumeurs ont fait état de l'apparition d'un tel capteur dans une future Apple Watch, sans utiliser de brassard gonflable comme c'est l'usage. Des sources du Wall Street Journal ont toutefois indiqué en septembre dernier que la fonction était loin d'être prête.
Huawei n'a pas attendu : fin décembre, le constructeur présentait la Watch D, une montre connectée qui intègre à l'intérieur de son bracelet un petit ballon gonflable (!) que l'on peut retirer et replacer en fonction des besoins. Le mode d'emploi est d'ailleurs un peu compliqué, comme on le verra dans la vidéo ci-dessous.
La Watch D comprend aussi un capteur SPo2 pour mesurer le taux d'oxygène sanguin, un électrocardiogramme, un cardiofréquencemètre, et un capteur qui mesure la température de la peau. La montre ultime pour les hypocondriaques, vendue (uniquement en Chine) au prix de 2 988 yuans soit 413 € environ.
Mais a-t-on vraiment besoin d'une montre pour calculer la pression artérielle ? Dans sa plateforme de diagnostic en ligne utilisée par des partenaires, Binah.ai a développé une nouvelle fonction qui mesure la pression du sang dans les artères à partir d'une vidéo du patient. Il faut que ce soit une vidéo du visage de la personne, captée depuis l'appareil photo du smartphone ou par la webcam de l'ordinateur.
L'outil met à profit la technique de la photopléthysmographie, qui sert aussi pour mesurer la fréquence cardiaque. En substance, la fonction analyse la lumière qui se reflète sur le visage, ce qui lui permet de calculer les changements dans le débit sanguin.
C'est effectivement une des voies empruntées par la recherche pour les relevés de pression artérielle. Mais les experts interrogés par The Verge mettent en garde : la technologie n'est pas encore au point. Et si Binah.ai a réalisé des études en interne, l'entreprise ne les publie pas ; elles sont fournies aux clients sous une forme « basique ».
Une nouvelle étude clinique plus large sera lancée en février, qui servira de base pour obtenir le feu vert de la FDA (l'administration US en charge de certifier la sécurité des dispositifs médicaux). En attendant, la fonction telle qu'elle existe actuellement ne peut servir qu'à des fins de bien-être et de confort.
Ca et la mesure de la glycémie, ça sera deux révolutions. Je suis diabétique donc déjà encadré, mais de tels outils seraient fantastique pour détecter le pré-diabète et dépister les diabétiques qui ignorent qu’ils le sont.
Pas d’article sur l’exploit « noreboot » de zecOps? Je suis étonné 😮
Il y a quelques années, on aurait parlé de fantasme absurde, aujourd’hui, toutes nos représentations sont effondrées par l’arrivée du machine learning qui au fond se joue de l’utilisation primaire, telle qu’on l’a toujours connue, dès lois de la nature, physiques, physiologiques, ou même statistiques…
C’est part exemple sidérant de voir résolus par des technique de machines learning des liens de causalités jusqu’ici insolubles par la statistique aussi sophistiquée soit-elle.
Faut attendre et voir.
Et espérer que ça fonctionne et que ce soit fiable : ce serait génial !
@Bigdidou
"C’est part exemple sidérant de voir résolus par des technique de machines learning des liens de causalités jusqu’ici insolubles par la statistique aussi sophistiquée soit-elle."
Le système a cependant des limites. Comme tous les systèmes. Ce n’est pas un problème en soi.
Le problème vient de ce que l’on ne sait pas où sont les limites. Rien ne distingue un résultat correct d’un résultat incorrect, et rien ne permet de dire que le score donné par le ML, par exemple 98%, est correct.
Bref, ça marche pour les cas connus, appris, en principe, et on espère que ça marche aussi pour l’inconnu. Ce n’est qu’un espoir. Ça marche assez bien, d’où la popularité croissante. Mais il faut croire. Et accepter que ça puisse foirer.
@fte
« Le problème vient de ce que l’on ne sait pas où sont les limites. Rien ne distingue un résultat correct d’un résultat incorrect, et rien ne permet de dire que le score donné par le ML, par exemple 98%, est correct. »
Oui, je sais bien, d’où le mouton sans son champs de luzerne qui devient un camion de pompier :D
@Bigdidou
"Oui, je sais bien, d’où le mouton sans son champs de luzerne qui devient un camion de pompier :D"
Ah moi je pensais que les moutons c’était les humains et pas les camions de pompiers 😱
« L'outil met à profit la technique de la photopléthysmographie »
Oui, enfin, c’est presque un détail.
En fait, le vrai outil, le truc révolutionnaire qui permet de tirer des informations peut être pertinentes (ce reste à confirmer), c’est le machine learning.
Si les promesses qu’on nous fait sont même très partiellement tenues, on va voir arriver un grand nombre d’outils aussi spectaculaires qu’impensables avant, car basés sur une rupture complète de paradigme, une non logique insensée et pourtant qui fonctionne, que représentent big data et machine learning.
En fait tout devient ouvert.
On peut imaginer dépister des tumeurs cérébrales en regardant des cors au pied juste parce que l’observation de milliards de cors au pied par une machine peut lui permettre d’en associer la couleur à la présence ou non d’une tumeur sans qu’on ait à comprendre pourquoi ni comment, alors que c’était auparavant des étapes indispensables soit préalables, soit pour admettre l’observation.
C’est dingue.
@Bigdidou
Certe
Mais encore faut il qu’il y ait un lien de causalité entre ce qu’on cherche et ce qu’on regarde.
Les dérives potentielles peuvent être graves et le machine learning n’est pas une science qui justifie toute relation de causalité de manière certaine. Je veux dire par là que les biais des ingénieurs sont très prégnants et influenceront fortement le résultat.
Ça me rappelle les « recherches » sur la morphopsychologie qui prétendait associer des traits dû visage a des caractères psychologique. Dérives assurées
@mne
« Mais encore faut il qu’il y ait un lien de causalité entre ce qu’on cherche et ce qu’on regarde. »
Je caricature avec mon exemple, bien sur.
Mais oui et non.
Mais ça ne se pose plus nécessairement dans ces termes.
La montre achetée 20€ par ma mère sur Amazon lui permet déjà de mesurer sa pression artérielle, en plus du rythme cardiaque et de l’oxygénation du sang… J’étais au début bluffé qu’une montre aussi bon marché sache faire tout ça. Et puis je me suis dit : est-ce qu’elle ne pipeaute pas ?
@John McClane
Et ?
Pour te rassurer (ou pas) il te suffit de la porter lors de tes (ses) prochaines visites chez le cardiologue et comparer les résultats.
@DG33
Pas bête. Mais je ne vais jamais chez le cardiologue, donc je demanderai à ma mère de se dévouer.
Le jour où l’Apple Watch aura un thermomètre, une glycomètre et un tensiomètre intégré (si ce jour arrive), ils n’auront plus vraiment besoin de vendre des versions ultérieures car « tout » y sera déjà.
Est-ce que la photopléthysmographie fonctionne sur les peaux non blanches ? J’ai lu une étude américaine comme quoi les cardiofrequencemetres fonctionnaient moins bien pour les peaux plus sombres, avec plus de mélanine.
La photoplé… 🤧🤧🤧
J’ai quand même du mal à croire qu’un ibidule à 500€ voir plus sache donner des mesures exacte de précision artérielle ou même de rythme cardiaque
Portez vos montre et demandé lui de relever ce taux en même temps qu’une mesure d’un électrocardiogramme suffit pour s’en convaincre.
@minounet
"J’ai quand même du mal à croire"
Il n’y a pas besoin de croire. Il y a des études pour déterminer la confiance, en cours par ailleurs.
Ma fille a une pathologie cardiaque. Cette année un challenge a été de capturer un événement pour déterminer s’il y avait ou non lieu d’une nouvelle intervention.
Tests d’effort : échec.
Holter (et elle est violemment allergique aux adhésifs cutanés comme moi) : échec, et brûlures cutanées pendant des semaines.
Event recorder : échec.
Voyage aux urgences en ambulance après un épisode à l’école, examens post-episode 12 dérivations toute artillerie : échec.
Mais il y avait bel et bien des épisodes. Elle le sent sans erreur possible, son cœur, son corps.
C’est l’Apple Watch qui a finalement permis d’enregistrer un épisode. Et de mettre en route la procédure d’examens pour une nouvelle intervention. Qui a eu lieu en décembre.
Formellement : ce n’est pas un appareil médical certifié. Non, il ne faut pas lui faire confiance. Posture officielle : gadget à ignorer.
Informellement : oui, c’est un excellent outil de pré-diagnostic et d’alerte, en première approximation extrêmement efficace avec certaines pathologies du rythme.
Par la force des choses j’ai appris à lire un ECG et les détails de la pathologie de ma fille. Flagrant sur le tracé de la watch. Assez précis pour que le cardio-pédiatre confirme la récidive plutôt qu’un nouveau développement. Posture officielle : lorsque la trace est à ce point précise, on ne peut pas l’ignorer.
Il ne faut pas croire. Mais il ne faut pas ignorer non plus. C’est un outil, avec des limites pas encore claires.
@fte
Il ne faut pas croire. Mais il ne faut pas ignorer non plus. C’est un outil, avec des limites pas encore claires.
C’est mon analyse, c’est un outils mais qui doit être confirmé par des preuves scientifiques et validé plusieurs fois
@minounet
"C’est mon analyse, c’est un outils mais qui doit être confirmé par des preuves scientifiques et validé plusieurs fois"
C’est le cas de tous les outils médicaux en fait. Ils ne font pas le diagnostic ni l’intervention. Il y a toujours un doc qui regarde ce qui doit être regardé. Outil validé ou non validé.
@minounet
Un banale tensiomètre c’est 60 euro.
@iPop
C’est vraiment des quiches les médecins, j’en ai trouvé un à 23€ chez l’idl 😆
@minounet
Au rayon Ken et Barbie ?
@iPop
Même pas
@minounet
A la caisse avec les chewing-gums alors 🤣
@iPop
Avec les piles 🤣
@iPop
40€ en pharmacie….va falloir revoir tes prix.
C’est très anxiogène.
@tof19
Bah c’est la mode, tout le monde vous veut du bien.
@tof19
"C’est très anxiogène"
Chéri c’est l’avenir voyons ! Un monde de peur tu en as rêvé et c’est déjà la réalité.
@Amaczing
Tu te calmes avec tes chéri. Je te connais pas. J’ai rien rêvé du tout.
@tof19
"@Amaczing
Tu te calmes avec tes chéri. Je te connais pas. J’ai rien rêvé du tout."
😱
@Amaczing
Bah, on te vois plus dans les soirées 😁
Pense à renouveler ta cotisation à la fistinière, plutôt que de faire le cake ici.
@Amaczing
Il t’arrive quoi mon chouchou, tu es énervé ?
Non mais pourquoi tu veux la mettre ? Je ne comprends pas 😱
@Amaczing
J’avais envie de rire, excuse moi si je tài offensé
Oh non j’ai adoré notre échange 🙂 très bonne fin de week end à toi.
Par contre pense à passer au club régler ta cotisation 🤣
@Amaczing
Ok 😂😂
Bisous 😽
@Bigdidou
Si l’apport du machine learning est indéniable et peut encore progresser, il y a encore loin de la coupe aux lèvres, et encore plus dans le domaine medical.
Dans tous les cas, il n’est et ne sera pour un moment encore qu’un soutien, une aide à l’expertise du spécialiste, que ce dernier soit avocat, policier, chercheur en littérature comparée, géologue, cancérologue, etc.
Si dans la reconnaissance d’objets, de visages, de sons… la technologie du machine learning est devenue plutôt bonne, dans la classification de textes/extraction d’entités nommées/… les résultats doivent encore pas mal être repris par les personnes, et dans l’analyse de données/imageries médicales pour la détection voire le diagnostic, les oublis, erreurs, faux positifs,… sont encore nombreux; l’œil et l’expérience humaine étant encore largement au dessus.
Dans le projet auquel j’ai participé à mon humble et modeste niveau (dataset composé d’un corpus de millions d’articles hétérogènes en utilisant des modèles ML récents), même après des mois d’entraînement, le niveau atteint par la partie machine learning produit encore beaucoup de bruit et est encore très loin d’atteindre le niveau d’un expert humain, même débutant. Les chausses-trappes de la langue française (mais cela peut en être d’autres) étant encore mal géré et compris par le ML. Alors certes le travail effectué via ML va vite, mais tu passes encore pas mal de temps pour reprendre et corriger à la main les résultats obtenus. Au final, en tous cas dans ce projet-ci et pour l’instant, si l’on obtient certes un gain de temps, il est au final plutôt minime par rapport aux espoirs initiaux, et la qualité des résultats est encore assez inférieure à un travail effectué par un humain.
Sans compter les risques, notamment dans le domaine médical , avec le ML et l’IA de vulnérabilité face à des attaques contradictoires (en résumé, des « cyber attaques » qui manipuleraient ou fausseraient les données/images médicales pour tromper les modèles ML, qui apporteraient alors de mauvaises analyses/prédictions/diagnostics). Des travaux universitaires sont d’ailleurs en cours sur cette problématique particulière, mêlant cybersécurité et ML.
@vincentn
J’ai bien conscience de tout ça.
Mais on a déjà des applications pratiques assez sidérantes en recherche clinique avec des algorithmes, par exemple, qui deviennent des alternatives à de très longues études de cohortes ou qui permettent de résoudre des associations statistiques insolubles auparavant.
J’ai quelques exemples très précis en tête qui nous a tous sidérés quand on nous les a présentés (par exemple pour le lien alcool/dépression).
De plus en plus, les équipes de recherche clinique ont incorporer des mathématiciens et des informaticiens et c’est passionnant.
On est en train de vivre un vrai petite révolution.
@Bigdidou
« J’ai quelques exemples très précis en tête qui nous a tous sidérés quand on nous les a présentés (par exemple pour le lien alcool/dépression). »
Euh .. je suis un noob en médecine, mais dans la mesure où la moitié de ma famille est alcoolique et dépressive, ce genre d’exemple n’est pas franchement nouveau pour moi.
J’ai d’ailleurs toujours pensé que la consommation excessive d’alcool était un symptôme de dépression.
@IceWizard
« dans la mesure où la moitié de ma famille est alcoolique et dépressive, ce genre d’exemple n’est pas franchement nouveau pour moi. »
Eh bien, ça l’est pour la science ;)
Je te taquine mais je je vais t’expliquer.
On connaît bien sur le lien alcool-dépression. Mais dans quel sens fonctionne-t-il ?
L’alcool déprime ? La dépression conduit à consommer ? Ou les deux dans une sorte de cercle vicieux ?
On ne compte plus les études de cohorte longitudinales, prospectives, rétrospectives, forcément très longues et donc pleine de biais qui n’ont jamais plus répondre à la question.
Dans les relations duelles comme celles ci, c’est toujours très difficile.
Aujourd’hui, des algorithmes de machine learning nous permettent de trancher ces question de façon rapide, là où il fallait des années, voire des dizaines d’années.
On va pouvoir de la même façon disposer d’outils qui vont nous permettre d’évaluer par d’autres algorithmes la diminution de la mortalité liée à tel ou tel traitement ou intervention, la où il fallait des dizaines d’années d’études de cohorte longitudinale et prospectives…
—-
Ah oui, et la réponse est : pas de lien de la dépression vers l’alcool (le risque relatif de surconsommer de lnalcool n’est pas plus élevé chez les gens déprimés que chez les autres), et c’est la consommation d’alcool qui déprime (le risque relatif de développer des troubles dépressifs est multiplié par 15 ou 20 quand on surconsommer de l’alcool).
Ça parait rien, comme ça, mais ça peut changer beaucoup de choses dans les modalités de prise en charge et ça clôt un débat centenaire…
@Bigdidou
« les gens déprimés que chez les autres), et c’est la consommation d’alcool qui déprime «
Tu vas arrêter la bière ? 🍺
@IceWizard
Suis pas déprimé et je suis pas fan de l’alcool, de toute façon ;)
Selon un « analyste « souhaitant garder l’anonymat, certains constructeurs travaillent sur un montre connectée proposant un PET Scan intégré. Qui vivra verra …