Epilepsie : les dispositifs portables de détection des crises font leurs premières preuves

Pauline Anderson

Auteurs et déclarations

13 janvier 2021

Virtuel – La révolution du monitoring des crises d'épilepsie est-elle à portée de main ? C'est peut-être le cas grâce à un nouveau bracelet électronique capable de détecter les différents types de crise et qui se porte justement au poignet. « Nous sommes une référence dans la détection automatique d'une variété de crises grâce à des capteurs portables et des algorithmes de deep learning. Et nous sommes les premiers à avoir montré que c'était possible de le faire. » a expliqué Jianbin Tang (IBM Research Australia, Victoria, Australie), le principal investigateur, à Medscape Medical News. Les résultats ont été présentés au congrès annuel de l'American Epilepsy Society (AES 2020)[1].

Un besoin de nouveaux dispositifs de monitoring

Un monitoring précis des crises est essentiel pour évaluer le risque, prévenir les blessures et suivre la réponse aux traitements. L’électroencéphalogramme video (EEG) est actuellement le « gold standard » pour la détection des crises d'épilepsie, mais cet examen coûteux nécessite une hospitalisation, ce qui peut être stigmatisant, a-t-il expliqué.

Des dispositifs portables non-EEG sont déjà prometteurs pour la détection des crises tonico-cloniques généralisées et des crises focales à bilatérales. Mais on ne sait pas s'ils peuvent détecter d'autres types de crise. « Nous espérons combler le vide en étendant la possibilité de détection via appareil portatif à d'autres types de crises » a indiqué Jianbin Tang.

En dehors de l'hôpital, le suivi des crises « repose sur ce que rapportent les familles et les patients, ce qui n'est pas forcément fiable en raison des crises non-perçues ou de la difficulté qu’il y a à caractériser des crises à répétition ».

Une étude sur plus de 700 crises

L'étude a inclus 75 enfants (44% de filles ; âge moyen de 11,1 ans) admis pour une évaluation EEG à long-terme dans un seul centre, pour une durée de 24 heures. Les patients étaient invités à porter le dispositif à la cheville ou au poignet. Ce dispositif enregistrait en continu des données telles que la transpiration, la fréquence cardiaque, les mouvements et la température.

Les chercheurs ont entraîné des algorithmes de deep-learning à identifier des motifs (patterns) de crise. Puis ils ont validé la performance des algorithmes.

L'analyse a porté sur les données de 722 crises d'épilepsie de tout type incluant des crises partielles ou généralisées, motrices ou non motrices. Les crises d'épilepsie se sont produites de jour comme de nuit, quand les patients étaient éveillés ou endormis.

Un dispositif « meilleur que la chance »

Quand une crise est détectée, le système active un signal d'alerte en temps réel et stocke l'ensemble des informations de cette crise, a-t-il détaillé. Initialement conservés dans le bracelet électronique, les signaux sont ensuite transférés dans un Cloud à partir duquel les investigateurs téléchargent les fichiers pour analyse et interprétation.

Toutes les données sont anonymisées. Les chercheurs ont utilisé l'aire sous la courbe ROC (AUC-ROC) pour mesurer la performance du dispositif. « Notre modèle le plus performant a atteint une AUC-ROC de 67,59% ce qui représente une performance acceptable » a expliqué Jiabin Tang. « Il y a certainement une marge d'amélioration et nous sommes prêt à y travailler » a-t-il poursuivi.

Le dispositif a fait « mieux que le hasard », ce qui est un «standard technique » dans le domaine du machine learning et c'est le première étape à franchir dans ce type de modèle pour démontrer sa pertinence.

Les investigateurs indiquent que la détection automatique des crises épileptiques « est faisable pour un large spectre de types de crises », a dit Jiabin Tang.

Une utilisation à domicile ?

L'étude suggère qu'un dispositif portable non-invasif pourrait être utile au domicile, à l'école et dans tous les endroits fréquentés au quotidien. « Cela pourrait un jour fournir aux patients et aux médecins des rapports fiables sur les crises ». Le chercheur estime que le dispositif serait particulièrement utile pour détecter les crises fréquentes et celles aux manifestations cliniques discrètes, deux types de crises à côté desquelles il est facile de passer. Les patients ayant besoin d'une évaluation de leur traitement et ceux à risque de mal épileptique seraient de bons candidats.

Les chercheurs n'imaginent pas qu'une technologie portable puisse remplacer totalement l'EEG mais le voient comme un outil complémentaire pour suivre les crises en continu lorsqu'un monitoring par EEG n'est pas possible.

« Une étape importante »

Invité à commenter ce travail, le Dr Benjamin Brinkmann (neurologue, Mayo Clinic, Rochester, Etats-Unis) a expliqué que les investigateurs « avaient fait un très bon travail d'application des connaissances concernant le machine learning » au « problème important » de la détection précise des crises d'épilepsie.

Le Dr Brinkmann participe à un projet d'évaluation de différents dispositifs portables afin de déterminer quelles sont les mesures nécessaires pour faire des prédictions fiables des crises d'épilepsie.

« Avant, personne n'imaginait que la prédiction des crises était possible avec ce type de dispositifs. Le fait que ce groupe ait été capable de faire une prédiction « mieux que le hasard » est une étape importante » a-t-il dit.

Avant de souligner cependant qu'il y avait encore beaucoup d'investigations à faire pour savoir si la prédiction des crises d'épilepsie par ces appareils serait transposable en clinique. « Par exemple, si le système génère trop de faux-positifs dans les prédictions, les patients ne l'utiliseront pas » estime-t-il.

Par ailleurs, les résultats doivent aussi être répliqués et les enregistrements étendus à six mois ou plus afin de savoir si cela peut être une aide sur le long-terme pour les patients à domicile » a-t-il poursuivi.

Les investigateurs et le Dr Brinkmann n'ont pas rapporté de liens financiers.

L’article a été publié initialement sur Medscape.com sous l’intitulé « Wearable Device Clears a First 'Milestone' in Seizure Detection ».  Traduit/adapté par Marine Cygler.

 

Commenter

3090D553-9492-4563-8681-AD288FA52ACE
Les commentaires peuvent être sujets à modération. Veuillez consulter les Conditions d'utilisation du forum.

Traitement....