L’apprentissage profond au secours des douleurs lombaires chroniques
Pour étudier de quelle manière la douleur persistante affecte les corps, des scientifiques soutenus par le projet BODYinTRANSIT, financé par l’UE, ont élaboré une méthode d’apprentissage profond pour analyser les données biométriques de différents patients atteints de maladies chroniques. Leur recherche a été publiée dans le «IEEE Journal of Selected Topics in Signal Processing». Comme l’explique un article de presse publié sur le site web de l’entité coordinatrice du projet BODYinTRANSIT, l’Université Carlos III de Madrid (UC3M), les chercheurs ont émis l’hypothèse que les personnes souffrant de douleurs lombaires chroniques présentaient des variations dans leurs données biométriques par rapport aux individus en bonne santé. Ces variations seraient liées aux mouvements du corps ou à la démarche et seraient dues à une réaction d’adaptation visant à éviter la douleur ou une nouvelle blessure.
Dépasser l’échec des méthodes conventionnelles
Actuellement, du fait de difficultés découlant de la rareté des données pertinentes, des particularités de chaque type de douleur et de la complexité de la mesure des variables biométriques, il est difficile d’identifier avec précision les différences biométriques entre les personnes souffrant de douleur et les autres. «Les personnes souffrant de douleurs chroniques adaptent souvent leurs mouvements pour se protéger d’une souffrance ou d’une blessure supplémentaire. Cette adaptation fait qu’il est difficile pour les méthodes d’analyse biométrique conventionnelles de saisir avec précision les changements physiologiques. D’où la nécessité de développer ce système.» C’est ce qu’explique dans le communiqué de presse le premier auteur de l’étude, Mohammad Mahdi Dehshibi, rattaché à l’UC3M. La nouvelle méthode mise au point s’appuie sur un type d’apprentissage profond appelé réseaux neuronaux récurrents peu connectés, qui est combiné à des unités récurrentes fermées, soit un type d’unité de réseau neuronal utilisé pour modéliser des données séquentielles. En l’appliquant, les chercheurs sont parvenus à saisir les modifications du comportement corporel liées à la douleur au fil du temps. La méthode surpasse en effet toutes les approches de pointe existantes utilisées pour classer avec précision les niveaux de douleur et les comportements qui en découlent. Elle a été testée avec la base de données EmoPain, qui contient des informations sur ces différents niveaux de douleur et comportements. «L’étude souligne également la nécessité de disposer d’une base de données de référence consacrée à l’analyse de la relation entre la douleur chronique et les données biométriques. Celle-ci pourrait être utilisée pour développer des applications dans des domaines tels que la sécurité ou les soins de santé», note Mohammad Mahdi Dehshibi. Le premier auteur poursuit en expliquant que la méthode est susceptible d’être utilisée pour améliorer la mesure et le traitement de la douleur chronique chez les personnes souffrant d’affections telles que la fibromyalgie et l’arthrite ou de douleurs neuropathiques. «Elle peut aider à contrôler les comportements liés à la douleur et à adapter les traitements afin d’améliorer les résultats pour les patients. En outre, elle peut être utile pour surveiller les réactions à la douleur au cours de la convalescence post-chirurgicale.» Ana Tajadura-Jiménez, auteure principale et professeure associée à l’UC3M, explique en quoi ce travail est pertinent pour d’autres processus médicaux: «Outre la douleur chronique, on a observé une altération des schémas de mouvement et une perception négative du corps, notamment dans les cas de troubles de l’alimentation, de maladies cardiovasculaires chroniques ou de dépression, entre autres. Il est extrêmement intéressant de mener des études utilisant la méthode susmentionnée auprès de ces populations afin de mieux comprendre les conditions médicales et leur impact sur le mouvement. Ces études pourraient fournir des informations précieuses pour la mise au point d’outils de dépistage et de traitements plus efficaces, et améliorer la qualité de vie des personnes souffrant de ce type d’affections.» L’étude BODYinTRANSIT (Sensory-driven Body Transformation Experiences On-the-move) pourrait également avoir des applications dans des domaines allant du sport à la réalité virtuelle et de la robotique à l’art et à la mode. Le projet prend fin en 2026. Pour plus d’informations, veuillez consulter: site web du projet BODYinTRANSIT
Mots‑clés
BODYinTRANSIT, apprentissage profond, douleur, mal de dos, zone lombaire, maladies chroniques, mouvement