Analyze-Me
Analyze-Me: Outils logiciels pour le traitement du signaux physiologiques des patients atteints d’une forme non verbale d’autisme
Phase 3
Type de projet : Étude de faisabilité
Handicaps concernés : Autisme et troubles envahissants du développement, Handicap mental, Polyhandicap
Thématiques : Autonomie, Prestations et communication, Santé, Relations interpersonnelles
Statut : En cours
Développement d’un logiciel pour la détection et la visualisation des signaux physiologiques liés à des facteurs de stress chez les patients ayant une forme d’autisme non-verbale.
Les patients atteints d’une forme non verbale d’autisme n’ont pas la capacité de communiquer avec les autres et risquent de développer des comportements difficiles (auto-agressivité, hétéro-agressivité, cris, destruction, instabilité motrice). Certains comportements peuvent être dangereux non seulement pour le patient mais aussi pour ses aidants. Lorsque les crises surviennent, leur détection est fondamentale afin d’agir de manière adaptée sur les conditions environnementales et ainsi atténuer leurs conséquences. Sachant que la communication verbale est très limitée, voire impossible dans certains cas, il est difficile de comprendre les raisons d’une telle crise. Il est difficile de déterminer si elles constituent
un mode alternatif d’expression des besoins de la personne ou si elles reflètent un état de conscience ou une expérience somatique, un stress ou une douleur. Nous avons déjà été soutenus par l’Innovation Booster pour une recherche exploratoire et un prototype. Notre projet a pour objectif de développer un logiciel permettant la détection et la visualisation de l’activation du SNS, reconnue comme étant en corrélation avec la douleur aiguë/le stress ou communication alternative, en analysant les signaux physiologiques collectés à l’aide du bracelet Empatica E4. Ces signaux incluent des mesures telles que l’activité électrodermique (EDA), le pouls volumique sanguin (BVP), la température, et l’accélération 3D (ACC).
Grâce à notre projet précédent, nous avons développé une interface graphique utilisateur complète pour le traitement des signaux physiologiques, permettant d’extraire plus de 100 caractéristiques de signaux différents à partir des signaux BVP et EDA. Nous avons également reçu l’autorisation du comité d’éthique pour la collecte de données et avons déjà débuté cette collecte. Sur la base des premières données, nous avons été capables de classifier des événements stressants par rapport à des périodes calmes avec une précision de 98%, et de différencier des événements stressants de tentatives de communication non verbale (ce qui est difficile à réaliser pour un personnel non formé) avec une précision de 97%.