L’application détecte la maladie de Parkinson et le COVID-19 via l’audio

L’un des défis du diagnostic des maladies est leur identification précoce. À ce stade, les signes peuvent être vagues ou déroutants, ou difficiles à identifier. Un diagnostic précoce est souvent lié aux meilleurs résultats de traitement possibles, il existe donc de nombreuses incitations à améliorer les méthodes de cette manière.

Une nouvelle méthode vocale de diagnostic des maladies pourrait s’avérer fructueuse à cet égard. Il s’appuie sur des techniques d’apprentissage automatique pour détecter quand les patients peuvent souffrir de certaines conditions.

Laisse moi t’entendre dire /a/

Les modèles de parole et la qualité générale de la voix du patient sont depuis longtemps un outil de diagnostic important pour les médecins. Ils sont particulièrement pertinents pour les affections neurologiques. Si le cerveau ou le système nerveux ne fonctionne pas correctement, la parole peut être affectée.

Une simple application pour smartphone est utilisée pour capturer des échantillons audio du patient. Le système peut traiter les niveaux de bruit de fond dans un cabinet de médecin typique et indiquer au patient les sons corrects à faire pour le diagnostic. Crédit : Youtube – Spectre IEEE

Des chercheurs du Royal Melbourne Institute of Technology (RMIT) ont développé une méthode pour détecter les signes subtils de la maladie en utilisant la voix d’un patient. L’idée était d’utiliser des algorithmes d’apprentissage automatique pour déterminer si la prononciation de certains sons par un patient était révélatrice d’une maladie. L’objectif principal était d’identifier la présence de la maladie de Parkinson en échantillonnant un patient parlant plusieurs sons anglais normaux. La recherche devait atteindre cet objectif malgré les variations naturelles des voix d’une personne à l’autre. 36 patients atteints de la maladie de Parkinson ont été recrutés pour la recherche, ainsi que 36 volontaires sains.

Selon l’étude publiée, les participants à la recherche ont été invités à prononcer trois phonèmes – /a/, /o/ et /m/. C’est le son au milieu de « voiture », le son « oh » et le son « mmmm », respectivement. Ces phonèmes nécessitent l’utilisation de la gorge, de la bouche et des voies nasales pour produire le bruit. Un algorithme d’apprentissage automatique a été formé pour déterminer les différences de ces sons entre les patients atteints de la maladie de Parkinson et les volontaires sains. Destiné à être utilisé dans un cadre clinique typique, l’algorithme a été conçu pour fonctionner avec des échantillons audio capturés par des patients utilisant un smartphone ordinaire avec des niveaux raisonnables de bruit de fond. Une application a été utilisée pour collecter les données et a été mise en place pour guider les patients dans la création des bons sons avec des échantillons vocaux des bons phonèmes.

Des échantillons de voix sont analysés pour les caractéristiques qui pourraient indiquer une maladie. Une maladie peut affecter des paramètres tels que la force vocale ou la stabilité de la hauteur, ou introduire une qualité vacillante dans un phonème. Crédit : YouTube – Spectre IEEE

Lors des tests, il a été en mesure d’identifier les patients atteints de la maladie de Parkinson 100% du temps. L’analyse d’une combinaison de caractéristiques des trois phonèmes s’est avérée être la méthode de détection la plus fiable. Les tests étaient limités aux patients d’une zone géographique et n’utilisaient qu’un seul modèle de smartphone, entre autres limitations. Cependant, cela indique qu’il pourrait être possible de développer une méthode de diagnostic de la maladie de Parkinson en utilisant du matériel de smartphone facilement disponible pour capturer des échantillons audio et les traiter avec une application.

Les mêmes techniques ont ensuite été appliquées pour diagnostiquer les patients COVID-19 dans une étude en Indonésie. Dans ce cas, les phonèmes utilisés pour l’analyse ont été élargis pour inclure les sons /e/, /i/ et /u/ en plus de /a/, /o/ et /m/. L’étude s’est déroulée sur 22 jours et a impliqué 40 patients hospitalisés avec COVID-19. 48 sujets sains constituaient le groupe témoin. Dans ce cas, l’analyse des caractéristiques sonores du son /i/ a été déterminée comme étant la plus indicative, lorsqu’elle a été capturée dans les trois jours suivant l’admission à l’hôpital. La méthode avait une précision de 94 %. C’est d’autant plus impressionnant pour les méthodes low-tech utilisées. Des échantillons sonores ont été capturés à une fréquence d’échantillonnage de seulement 8 kHz, pour représenter les capacités des téléphones 2G et 3G low-tech.

Les travaux suggèrent qu’une variété de maladies pourraient potentiellement être diagnostiquées grâce à des changements révélateurs dans le discours d’un patient. Bien sûr, des études plus rigoureuses seraient nécessaires avant que de telles méthodes ne deviennent courantes. De plus, bien que de telles méthodes puissent indiquer une maladie, il est peu probable que les techniques vocales deviennent un diagnostic de référence pour la plupart des maladies. Des diagnostics chimiques plus directs et moins subjectifs sont préférables plutôt que de s’appuyer sur l’intuition de systèmes d’apprentissage automatique plus en boîte noire. Cependant, pour les maladies difficiles à diagnostiquer, il peut être crucial de disposer d’un système offrant des conseils indicatifs. Attendez-vous à ce que ces techniques deviennent plus raffinées et constituent une partie importante de la médecine moderne à l’avenir.

François Zipponi
Je suis François Zipponi, éditorialiste pour le site 10-raisons.fr. J'ai commencé ma carrière de journaliste en 2004, et j'ai travaillé pour plusieurs médias français, dont le Monde et Libération. En 2016, j'ai rejoint 10-raisons.fr, un site innovant proposant des articles sous la forme « 10 raisons de... ». En tant qu'éditorialiste, je me suis engagé à fournir un contenu original et pertinent, abordant des sujets variés tels que la politique, l'économie, les sciences, l'histoire, etc. Je m'efforce de toujours traiter les sujets de façon objective et impartiale. Mes articles sont régulièrement partagés sur les réseaux sociaux et j'interviens dans des conférences et des tables rondes autour des thèmes abordés sur 10-raisons.fr.