Skip to main content

23 Oct, 2022

Comment un smartphone pourrait prédire votre risque de décès dans les 5 ans à venir

Comment un smartphone pourrait prédire votre risque de décès dans les 5 ans à venir

Une nouvelle étude révèle que six minutes seulement de données sur les mouvements suivis passivement par jour peuvent permettre de prédire avec certitude la mortalité.

Votre smartphone vibre probablement plusieurs fois par jour de diverses notifications – messages d’amis, paiements de comptes bancaires, alertes météorologiques. Mais à l’avenir, il pourrait y avoir un autre type de notification provenant de votre smartphone, un message d’une application prédisant votre risque de décès dans les années à venir.

Une nouvelle étude publiée dans la revue PLOS Digital Health a révélé que le suivi passif des données de mouvement par les capteurs du smartphone peut effectivement prédire le risque de mortalité d’une personne sur cinq ans avec une précision d’environ 70 %.

La recherche s’appuie sur un grand nombre de preuves montrant des corrélations entre la vitesse de marche et la santé générale. Pour obtenir des prévisions précises en matière de santé et de mortalité, les études antérieures ont généralement exigé des participants qu’ils portent des trackers de fitness spécialisés 24 heures sur 24 et 7 jours sur 7 ou qu’ils effectuent des « tests d’analyse de la marche » en laboratoire. Cette nouvelle étude s’est toutefois demandé si les données de mouvement recueillies par les capteurs des smartphones courants pouvaient suffire à fournir des prédictions précises.

Les chercheurs ont examiné un vaste ensemble de données comprenant 100 000 participants de la UK Biobank. La cohorte a porté des moniteurs d’activité au poignet pendant une semaine et a été suivie pendant au moins cinq ans.

Il s’agit du plus grand ensemble de données sur les capteurs de mouvement actuellement disponible. Selon les chercheurs, les données sur l’intensité du mouvement recueillies par ces trackers de fitness sur de courtes périodes sont analogues aux données qui peuvent être capturées par un smartphone dans la poche d’une personne.

« Bien que ces données aient été recueillies à partir de moniteurs d’activité, nos modèles de capteurs n’utilisent que les entrées qu’il serait possible de recueillir à l’aide de téléphones peu coûteux, actuellement disponibles », expliquent les chercheurs dans l’étude. « Cela est possible grâce à nos expériences cliniques approfondies avec des téléphones bon marché, qui ont permis de développer des modèles prédictifs très précis de l’état de santé de patients cardiopulmonaires. »

En utilisant seulement six minutes par jour de données de suivi de l’intensité de la marche, l’algorithme prédictif pouvait offrir des estimations du risque de mortalité à cinq ans aussi précises que celles recueillies par des wearables 24/7 ou des tests de marche cliniques plus complexes.

Ces résultats viennent s’ajouter à un nombre croissant de recherches portant sur les différents moyens d’estimer le risque de mortalité d’une personne. De simples scanners oculaires, des analyses de sang ou de courts tests d’équilibre ont tous été proposés comme moyens de dépister le risque de décès précoce chez les personnes.

Des essais de plus grande envergure sont actuellement prévus pour se concentrer plus spécifiquement sur les données directement recueillies par les smartphones. En outre, les chercheurs s’efforcent de diversifier au maximum les cohortes d’étude afin que les modèles prédictifs soient précis pour une variété de populations.

« Cela est particulièrement important pour l’équité en matière de santé, étant donné que les populations les plus exposées au risque de santé sont souvent celles qui ont le moins de ressources, de sorte que les personnes les plus susceptibles d’avoir des téléphones bon marché plutôt que des dispositifs portables bénéficieraient le plus d’une évaluation facile », concluent les chercheurs dans l’étude. « Les applications téléphoniques pourraient enregistrer six minutes de marche consécutives au cours de la vie quotidienne, puis calculer des modèles prédictifs pour la stratification du risque via une analyse de la population. »

https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000045

https://www.eurekalert.org/news-releases/967527