Cette IA utilise votre montre connectée pour révéler des risques de santé invisibles, avec une précision redoutable
Garmin Fenix 8
Note Les Numériques
(1)
Fonctionnement du tableau de prix
Désactivez votre bloqueur de publicités pour accéder à tous les liens ci-dessus.
Huawei Watch GT 4
Note Les Numériques
Donnez votre avis
Fonctionnement du tableau de prix
Désactivez votre bloqueur de publicités pour accéder à tous les liens ci-dessus.
Des chercheurs de l’université Sapienza de Rome ont mis au point un système d’intelligence artificielle baptisé AI on the Pulse, capable d’interpréter les données issues des objets connectés pour détecter des risques de santé jusqu’ici invisibles à l’œil nu. Cette technologie, combinant capteurs corporels et intelligence ambiante, dépasse de loin le cadre d’un simple suivi de fréquence cardiaque. Testée dans un contexte réel, elle montre une précision redoutable, en particulier pour la détection précoce de troubles neurologiques.
Une IA discrète mais redoutable qui transforme la montre connectée en sentinelle médicale
Pour illustrer, une Apple Watch Series 8 au poignet, avec son capteur de pouls actif, l’un des capteurs utilisés par l’IA pour détecter des anomalies de santé invisibles.. © Les Numériques
Publicité
Et si votre montre connectée devenait votre meilleur allié pour détecter un problème de santé… avant même l’apparition des symptômes ? C’est exactement l’objectif de AI on the Pulse, une IA développée par des chercheurs italiens pour surveiller en continu les patients souffrant de troubles neurologiques débutants.
Alimenté par UniTS, un modèle universel de séries temporelles à la pointe de la technologie, notre système apprend de manière autonome les schémas physiologiques et comportementaux propres à chaque patient, afin de détecter les déviations subtiles révélatrices de risques potentiels pour la santé.
Le principe est simple en apparence : collecter les données physiologiques et comportementales via des objets déjà courants (smartwatches, mais aussi capteurs domestiques), puis les analyser à l’aide d’un modèle d’IA baptisé UniTS (Universal Time Series). Là où la magie opère, c’est dans la capacité de cette IA à apprendre les schémas uniques de chaque individu, ce qui lui permet d’identifier des écarts subtils, mais significatifs.
Testée dans le cadre d’un programme de soins à domicile nommé @HOME, cette IA a scruté les données de six patients âgés atteints de troubles neurodégénératifs précoces. Résultat : 93,75 % des anomalies détectées ont été validées par un gériatre comme étant cliniquement pertinentes. Les autres erreurs ? Des artefacts liés aux capteurs.
Notre approche surpasse 12 méthodes de détection d’anomalies de référence, en démontrant une robustesse à la fois sur des dispositifs médicaux haute fidélité (comme l’ECG) et sur des objets connectés grand public, avec une amélioration de l’ordre de 22 % du score F1.
Mais surtout, cette approche évite le piège classique des fausses alertes. En s’adaptant aux particularités de chacun, AI on the Pulse n’a déclenché que 32 alertes en trois mois, avec un taux d’erreur largement inférieur aux standards habituels. Et pour ne rien gâcher, elle est open source, le code est disponible sur GitHub pour celles et ceux qui souhaiteraient l’explorer.
Au-delà de la détection, nous améliorons l’interprétabilité en intégrant des modèles de langage (LLM), qui traduisent les scores d’anomalie en observations compréhensibles et cliniquement pertinentes pour les professionnels de santé.
L’étape suivante ? Une généralisation du dispositif dans les établissements de soins, et à terme, une intégration directe dans les pratiques cliniques. En somme, transformer nos objets du quotidien en outils médicaux d’anticipation. Discret à l’extérieur, mais redoutablement lucide à l’intérieur.
Publicité
Envie de faire encore plus d’économies ? Découvrez nos codes promo sélectionnés pour vous.
