Nouvelle approche holistique de la santé connectée

Une équipe de la Stanford University a créé une nouvelle approche qui permet de diagnostiquer et de prédire les maladies en analysant les données collectées par les moniteurs d’activités et les biocapteurs corporels existants sur le marché. Le généticien Michael Snyder, qui a dirigé cette étude au sein de la Stanford University School of Medicine, avait noté que la pierre de lance qui manquait à la santé connectée est une base de traitement des données pour suivre en temps réel les informations collectées sur les activités, et les mécanismes biologiques et physiologiques de l’être humain.

Plusieurs disciplines ont été mobilisées afin de déterminer la méthode et les paramètres nécessaires au diagnostic médical à distance. Somalee Datta, directeur du Genetics Bioinformatics Service Center, la diététicienne Dalia Perelman, le conseiller en génétique Shannon Rego et une quinzaine de chercheurs médecins, analystes-programmeurs, etc., ont participé à cette étude. Leur article intitulé « Digital Health: Tracking Physiomes and Activity Using Wearable Biosensors Reveals Useful Health-Related Information » a été publié dans la revue scientifique Plos Biology le 12 janvier 2017.

Invariances et réponses des rythmes circadiens

L’étude consiste à établir une base de données individuelle à partir de laquelle il serait possible d’évaluer et de prédire avec exactitude l’état de santé. L’équipe a utilisé des biocapteurs de la marque Basis de Intel (Peak fitness et Sleep tracker, agréés par le gouvernement américain) et des moniteurs du laboratoire afin de recueillir et de corréler des données sur le poids, le rythme cardiaque, l’oxygène dans le sang, la température de la peau, les activités quotidiennes dont le sommeil, la marche, le vélo, la course à pied, les calories dépensées et même l’exposition aux rayons gamma et aux rayons X.

Un schéma standard du cycle circadien

En enregistrant plus de 250 000 mesures quotidiennes de 43 individus, les chercheurs ont constaté que les valeurs physiologiques relatives au rythme circadien sont invariantes dans les conditions normales. Ils ont remarqué aussi que les mesures diffèrent d’une personne à une autre. Chez un individu, ces valeurs changent pendant certaines situations particulières comme l’activité sportive, un voyage en avion, etc. Ces événements sont relatifs à des macro-phénotypes physiologiques comme la fatigue. Ils permettent de fait de faire des associations paramétriques personnelles comme la réduction de la pression par rapport à la diminution du taux d’oxygène dans le sang et la fatigue dans les vols à haute altitude. Les rythmes circadiens permettent aux corps de s’adapter aux nouvelles situations en commandant des réponses physiologiques et/ou psychologiques appropriées. Une fois l’événement passé, les rythmes reprennent leurs schémas habituels et de facto les associations paramétriques ne sont plus prises en considération.

L’étude a démontré qu’à partir d’une base de données de références individuelle, il est possible de surveiller les écarts par rapport à la normale et d’associer ces écarts aux conditions environnementales, à la maladie ou à d’autres facteurs qui affectent la santé. En effet, des schémas distinctifs d’écart par rapport à la normale sont corrélés avec des problèmes de santé particuliers. L’équipe a conçu et testé un algorithme combinant les mesures quotidiennes des participants, diurne et nocturne, et les modèles de changement pour contribuer au diagnostic clinique et à la recherche.

Diagnostics et enjeux inattendus

Snyder a lui-même participé à l’expérience. Il a continué à enregistrer ses données pendant ses vacances en Norvège, notamment en avion. Après le vol il a remarqué que sa fréquence cardiaque et son niveau d’oxygène ne sont pas revenus à la normale. Quand il a plus tard développé une fièvre, il a soupçonné qu’il avait été infecté par la maladie de Lyme. En effet, deux semaines plus tôt, il avait visité une région rurale du Massachusetts. Il a de fait constaté qu’il avait été mordu par une tique et infecté par cette maladie. Snyder a persuadé un médecin de lui donner une prescription de doxycycline, un antibiotique connu pour combattre la Lyme. Des tests ultérieurs ont confirmé ses soupçons.

Les résultats de cette étude ont soulevé la possibilité d’identifier les maladies inflammatoires chez les personnes qui n’en ont pas encore développé des symptômes perceptibles ou ressentis. Par exemple, chez plusieurs participants, des résultats supérieurs à la normale de la fréquence cardiaque et de la température cutanée ont été corrélés à une augmentation des taux de protéine C-réactive dans les analyses sanguines. La protéine C-réactive est un marqueur du système immunitaire pour l’inflammation et souvent indicative de l’infection, des maladies auto-immunes, du développement de maladies cardiovasculaires ou même du cancer. Les données de Snyder ont révélé quatre épisodes distincts de maladie et d’inflammation, y compris l’infection à la maladie de Lyme et une autre qu’il ignorait jusqu’à la détection du niveau accru de la protéine C-réactive.

Les biocapteurs portables pourraient également aider à évaluer la résistance à l’insuline, un indicateur du diabète de type 2. L’algorithme a réussi à faire la prédiction tout simplement en fonction du rythme cardiaque et de l’activité quotidienne de marche. Sur 20 participants qui ont fait des tests de glucose, 12 ont été diagnostiqués résistants à l’insuline.

Cette recherche a été financée par le National Institutes of Health, le ministère des Anciens Combattants, le Biomedical Data Science Initiative et Bert et Candace Forbes.