Douleurs dorsales: une solution personnalisée sur smartphone

Une application mHealth vise à permettre aux gens d'évaluer et de documenter leurs activités en rapport avec les douleurs lombaires. Nous pouvons ainsi collecter des données importantes provenant d’un groupe de personnes présentant un risque de lombalgie, et mettre en lumière l’expérience individuelle des personnes souffrant de douleurs lombaires. Ce projet visait à développer de nouvelles stratégies expérimentales afin de tester différentes méthodes de prévention ou de réduction des lombalgies, telles que la physiothérapie, l'éducation à la santé et les jeux sur smartphone à base de capteurs. L'efficacité de ces méthodes a été évaluée avec de petits groupes d'utilisatrices et d’utilisateurs de l’application. En plus de déterminer quel traitement était efficace et pourquoi, l’objectif était également de savoir comment choisir la méthode la mieux adaptée à chaque utilisateur sur la base de son profil de données.

Les lombalgies affectent presque tous les individus en Suisse au moins une fois dans leur vie. Les causes de cette maladie complexe ne sont pas entièrement connues. Bien que le recours, coûteux, à la chirurgie ne représente pas une option désirable, la nature variée de cette affection fait que les médecins ont de la peine à proposer un traitement efficace. Une étape clé en vue de résoudre ce problème consistait à mieux comprendre les besoins de chaque personne lors des épisodes de lombalgie ainsi que ses réactions aux différents traitements, une approche rendue possible par les technologies numériques telles que les smartphones, les capteurs portables et l'apprentissage automatique.

L’objectif du projet était d’utiliser des nouvelles techniques de santé mobiles (mHealth) pour déceler les changements au niveau des lombalgies chez les patients en Suisse. L’objectif était de développer des modèles d’apprentissage automatique pour personnaliser les moyens de prévenir les douleurs lombaires en recourant à un large ensemble de données enregistrées au moyen d’applications pour smartphones utilisées par des personnes, souffrant ou non de lombalgie, chez elles ou à l’hôpital. Il s'agissait de présenter de nouvelles stratégies pour traiter les données sanitaires, développer des logiciels d'analyse et traiter ces données sanitaires sensibles.

Ce projet fournira aux médecins de nouvelles technologies mHealth pour améliorer la compréhension des lombalgies. La science des données sanitaires profitera de nouveaux logiciels et algorithmes qui simplifient la collecte des données, assurent une qualité élevée et fournissent des analyses précises. La société profitera également d’informations utiles sur la santé et de nouvelles solutions permettant un meilleur traitement des douleurs lombaires.

Ce projet a permis de développer l'application pour smartphone «Swiss Health Challenge», qui permet de collecter, de transmettre et de sauvegarder des données anonymisées pour la recherche. L'application a été conçue pour interpeller les utilisatrices et utilisateurs sous forme de «challenges». Elle a été utilisée dans deux essais cliniques portant sur d’anciennes patientes et d’anciens patients, ainsi que sur des personnes présentant un risque de lombalgie.

Le premier essai a fourni de nouvelles informations sur l'utilisation des outils numériques en vue de faciliter le traitement. L'utilisation de l'«intervention Exergaming» n'a pas eu d'influence sur les résultats en termes de mouvements. Ce résultat confirme que les personnes qui ne sont pas gravement touchées par des douleurs lombaires sont difficiles à surveiller et à traiter. Cette étude se distingue toutefois des autres par l'utilisation d'outils numériques pour surveiller de manière objective le respect du traitement dans des situations réelles. De plus, les résultats ont démontré que la peur de bouger est liée à plusieurs paramètres directionnels du balancement postural en cas de douleurs lombaires.

Dans le deuxième essai, de jeunes skieuses et skieurs ont été surveillés afin de détecter les surcharges susceptibles d’entraîner des blessures au dos. L'application a été utilisée pour surveiller l'entraînement de ski à l’aide de capteurs d'altitude et d'accélération. On a ainsi pu démontrer que ces informations peuvent fournir beaucoup plus de détails que les auto-évaluations.

Pour traiter toutes ces données médicales de masse, une série d'outils d'apprentissage automatique a été développée pour progresser dans ce domaine:

1. Introduction d'un nouveau modèle permettant d'intégrer un nombre quelconque d'évaluations de symptômes provenant de différents types de mesures effectuées sur de longues périodes.
2. Développement d’un mécanisme permettant de quantifier l'importance des mesures.
3. Proposition de nouvelles méthodes permettant d’exécuter les tâches d'apprentissage beaucoup plus rapidement que les approches existantes d'apprentissage profond de bout en bout.
4. Démonstration du fait que les approches du projet aboutissent à des améliorations considérables en termes de prédiction. Ces méthodes ont permis de relever les défis posés par ce que l'on appelle le «missingness», la rareté des données, ainsi que les interdépendances temporelles à long terme entre les mesures et les données multivariées avec des échantillons irréguliers.

Malgré les nouvelles connaissances issues des études et les progrès réalisés, les résultats confirment que la lombalgie reste une maladie complexe et mal comprise, qui nécessite davantage de recherches et d'études.

Personalized management of low back pain with mHealth: Big Data opportunities, challenges and solutions