Des chercheurs de l’université de Washington ont développé un algorithme qui étudie les sons ambiants dans une pièce. Cette fonctionnalité développée sur des enceintes connectées s’est révélée capable de reconnaître la respiration agonale, typique des personnes faisant un arrêt cardiaque. Selon les résultats de leurs travaux* publiés le 19 juin 2019 dans Nature Digital Medicine, les assistants vocaux repéraient ce type de respiration dans 97 % des cas.
Diminuer la mortalité liée aux arrêts cardiaques
Chaque année, selon les chiffres officiels, quelque 46 000 personnes seraient victimes d’arrêts cardiaques en France. À 30 jours, le taux de survie est de 4,9 %. Si des massages cardiaques sont effectués juste après la perte de conscience, ce taux grimpe à 10,4 %. Aux États-Unis, ce sont près de 300 000 personnes qui décèdent chaque année en raison d’un arrêt cardique. Pour réduire ce taux de mortalité, l’enjeu est de pouvoir repérer rapidement un arrêt. Or, si ce dernier se produit alors que la personne est seule, à son domicile (2/3 des cas), ses chances de survie sont faibles.
Des chercheurs de l’université de Washington se sont penchés sur un élément diagnostic typique : la respiration agonale. Elle résulte d’un réflexe du tronc cérébral en cas d’hypoxie sévère. Parfois rapportée comme une respiration sifflante, la respiration agonale peut être potentiellement utilisée comme un biomarqueur diagnostic audible. Pour repérer cette respiration haletante, les chercheurs ont utilisé des assistants vocaux intelligents, présents chez 75 % des ménages américains. Mais la tâche était loin d’être simple car les événements respiratoires agonaux sont relativement rares, nous manquons de mesures de référence et ils ne peuvent pas être reproduits en laboratoire.
Un algorithme qui identifie la respiration agonale
Pour surmonter cet obstacle, les chercheurs ont exploité une source de données unique, les enregistrements des appels au 911 de cas confirmés d’arrêt cardiaque. Et ils ont entraîné leur algorithme sur 82 heures d’enregistrement. L’ensemble de données comprenait 162 appels (19 h) avec des enregistrements clairs de la respiration agonale.
Pour évaluer les capacités de l’algorithme à discriminer les sons, les scientifiques ont utilisé des enregistrements de ronflement, de personnes souffrant d’apnée du sommeil et de respiration normale. Les enregistrements ont été capturés sur différents appareils, tels qu’une enceinte Amazon Alexa, un iPhone 5s (Apple) et un Samsung Galaxy S4.
Les résultats de leurs travaux ont été publiés le 19 juin 2019 dans la revue Nature Digital Medicine.
Résultats : des assistants vocaux très fiables
- L’algorithme a réussi à reconnaître la respiration agonique dans 97 % cas lorsque le microphone se trouvait dans un rayon de 6 mètres de la personne.
- Il y avait confusion avec d’autres sons dans 0,2 % des cas.
- La détection peut fonctionner en temps réel sur un smartphone et peut classer chaque segment audio de 2,5 secondes en moins de 21 millisecondes. Avec l’enceinte intelligente, l’algorithme peut s’exécuter dans les 58 millisecondes.
- Même si le smartphone était dans une poche, avec le sujet couché sur le dos et le haut-parleur à côté de la tête, la précision de détection moyenne était de 93,22 %.
Au vu de ces résultats, les auteurs de l’étude estiment que « la détection passive et sans contact de la respiration agonale représente un nouveau moyen d’identifier une partie des victimes d’un arrêt cardiaque jusque-là inaccessibles. Le recours à du matériel intelligent pour la surveillance de ces situations pourrait avoir des avantages pour la santé publique. »
Des enjeux de respect de la vie privée
Cependant, ce système pose des problèmes de confidentialité. « Pour résoudre ces problèmes, nous envisageons que notre système fonctionne localement sur les appareils intelligents et ne stocke aucune donnée », précisent les chercheurs.
Par ailleurs, ces derniers reconnaissent que la respiration agonale a été identifiée chez environ 50 % des victimes d’un arrêt cardiaque. Enfin, il faudrait que le système soit doté d’une alarme avant tout appel d’urgence pour qu’un utilisateur puisse interrompre le processus.