À L’EXTÉRIEUR, la bague Oura a l’air plutôt ordinaire, impossible à distinguer d’une grosse alliance. Mais une faible lumière verte qui s’échappe par intermittence de l’espace entre le doigt et la bague suggère qu’il ne s’agit pas seulement de bijoux.
L’intérieur de l’anneau est rempli d’électronique. La lumière verte provient d’une paire de points métalliques rectangulaires qui sont des diodes électroluminescentes ou LED. Trois bosses en forme de dôme de la taille de gouttes d’eau contiennent des LED rouges et infrarouges et une paire de photodétecteurs. Ils sont entourés de sept capteurs de température, d’une batterie très fine et d’un accéléromètre 3D miniature qui détecte tout type de mouvement.
Les LED éclairent les vaisseaux sanguins à l’intérieur du doigt. Lorsque le cœur pompe le sang dans le corps, les vaisseaux se dilatent et se contractent et la lumière réfléchie change en conséquence. Le nombre de ces changements par minute est la fréquence cardiaque ou le pouls. Il est calculé par un algorithme qui prend les données fournies par les capteurs et effectue des ajustements pour le bruit dans leur signal provoqué par le mouvement, la lumière ambiante et de nombreux autres facteurs externes.
Les LED vertes font leur travail de jour ; les infrarouges, la nuit. Leur avantage est qu’ils atteignent les vaisseaux sanguins plus profonds, dans lesquels le pouls est plus facilement détecté. Mais leur signal est encore plus sensible aux perturbations et nécessite donc plus d’ajustement algorithmique. La LED rouge sera, à terme, utilisée pour surveiller les niveaux d’oxygène dans le sang. Le logiciel qui transformera ses données en de telles mesures ne sera cependant disponible que dans une mise à jour ultérieure.
Ce qu’un appareil portable peut mesurer dépend de ses capteurs et de son logiciel. Des algorithmes de niveau inférieur transforment la sortie bruyante des photodétecteurs et autres en battements de cœur. Les programmes de niveau supérieur combinent, par exemple, la fréquence cardiaque, la température et les mouvements en mesures de la durée et de la qualité du sommeil.
Les capteurs et les algorithmes se combinent pour aider les appareils portables à mesurer le nombre de pas, les calories brûlées, les niveaux d’oxygène et plus encore. L’intelligence artificielle (IA – comme l’apprentissage automatique est communément appelé) donne un coup de pouce supplémentaire aux algorithmes. Les progrès technologiques des cinq dernières années ont permis d’emballer des appareils portables avec des capteurs plus sophistiqués et plus de puissance de calcul. L’anneau de troisième génération d’Oura, sorti trois ans après le second, dispose de 32 fois plus de mémoire avec la même autonomie.
Tout cela a permis aux wearables de produire des mesures plus précises et en plus grand nombre. Dans une étude récente, IQVIA, une société de recherche, a trouvé 384 appareils portables commercialisés auprès des consommateurs. Ils comprennent des trackers de fitness portés au poignet, des montres de sport, des montres intelligentes, des bijoux intelligents comme la bague Oura et des casques à capteur, des patchs, des sangles, des clips et même des vêtements (comme des chaussettes intelligentes qui mesurent les signes vitaux des bébés). Un peu plus de la moitié des appareils analysés par IQVIA surveillent l’activité. Les autres sont des appareils qui mesurent un large éventail de variables de santé, notamment le sommeil, la température, la respiration, la pression artérielle, la saturation en oxygène, la glycémie et l’activité électrique du cœur.
Bon nombre de ces variables commencent à apparaître sur les bracelets de suivi d’activité populaires, tels que Fitbit et Apple Watch. De nombreux appareils ont ajouté des mesures d’oxygène sanguin à leur répertoire en réponse à la pandémie, car de faibles niveaux sont un signe de covid sévère. Rockley Photonics, qui fournit une technologie de capteur aux grands consommateurs et aux fabricants d’appareils médicaux, affirme que son nouveau capteur peut mesurer l’hydratation, le sucre, l’alcool, le lactate (reflétant l’inflammation musculaire due à l’exercice) et bien plus encore dans le sang, ainsi que la température corporelle centrale et tension artérielle, qui ont été difficiles à casser dans les wearables. Rockley prévoit de demander l’approbation de ses nouveaux capteurs par la Food and Drug Administration (FDA), l’organisme américain de réglementation médicale, plus tard cette année. Pour les applications de santé, cela aide à transformer les mesures en le type d’informations nécessaires au diagnostic.
En médecine, les diagnostics dépendent souvent de biomarqueurs, des molécules spécifiques dans le sang et d’autres fluides liés à un état de santé particulier. Une concentration élevée de sucre dans le sang, par exemple, est un biomarqueur du diabète. Les maladies neurologiques sont généralement diagnostiquées à l’aide d’évaluations standardisées de la façon dont les gens se comportent et de la façon dont ils exécutent certaines tâches. Certaines des mesures algorithmiques effectuées par des appareils portables peuvent être considérées comme des équivalents numériques de biomarqueurs et de tests de diagnostic établis. D’autres sont de nouvelles mesures qui peuvent prédire ou diagnostiquer une maladie, comme les mouvements ou les schémas de toux qui ne peuvent pas être mesurés avec des diagnostics conventionnels. Collectivement, ceux-ci sont appelés « biomarqueurs numériques ».
Le suivi des biomarqueurs numériques permet aux appareils portables et à leurs logiciels associés d’identifier les changements qui sont des signes précoces de maladie ou de détérioration liée à l’âge qui pourraient autrement passer inaperçus. Prenez la fibrillation auriculaire, un rythme cardiaque anormal qui augmente le risque d’accident vasculaire cérébral. Environ 9% des Américains de plus de 65 ans et 2% de moins de 65 ans sont atteints de la maladie, souvent sans aucun symptôme pour les alerter. En 2018, la FDA a approuvé l’Apple Watch en tant qu’appareil capable d’identifier la fibrillation auriculaire. Il émet une alerte lorsqu’il détecte une série de battements cardiaques irréguliers. L’utilisateur peut poser un doigt contre un capteur sur le côté de la montre, qui met en place un circuit sensible à l’activité électrique du cœur, permettant à la montre de produire un électrocardiogramme (ECG). Le 11 avril, Fitbit a obtenu l’approbation de la FDA pour sa propre fonction de fibrillation auriculaire.
Le mouvement, une source de bruit gênante pour les capteurs individuels, est un ingrédient précieux dans de nombreux biomarqueurs numériques. Les changements de démarche, par exemple, peuvent indiquer si l’équilibre d’une personne se détériore. Une étude récente a révélé que les personnes atteintes de la maladie de Parkinson à un stade précoce présentent des différences subtiles dans la démarche, le balancement des bras et la façon dont elles tapent par rapport à celles qui n’en ont pas. Tous ont été mesurés par leurs téléphones et leurs appareils portés au poignet. Les mesures numériques ont également suivi de manière fiable la progression de la maladie.
Actuellement, la dépression est diagnostiquée à l’aide d’un ensemble standard de questions. Les mesures algorithmiques du sentiment dans les journaux vocaux quotidiens peuvent tout aussi bien faire l’affaire. Certains prestataires virtuels de thérapie et de soins psychiatriques utilisent déjà des modèles d’interaction entre les personnes et leurs smartphones (sans capturer le contenu réel de ce qui est tapé ou visualisé) pour suivre l’humeur et l’état cognitif des patients.
Les appareils portables peuvent également détecter des changements sains que les gens veulent connaître. Les hausses de température, par exemple, sont des marqueurs de l’ovulation et de la grossesse. Oura teste une fonctionnalité prédisant des semaines à l’avance la date des prochaines règles d’une femme. Une petite étude a révélé que les mesures de l’anneau pouvaient détecter une grossesse en moyenne neuf jours avant les tests de grossesse à domicile.
Mesure pour mesure
Il n’y a presque aucune partie de la biologie humaine qui n’a pas été touchée par la mesure numérique. HumanFirst, une organisation de San Francisco qui gère un catalogue d’appareils connectés pour la surveillance à distance des patients, a identifié 1 200 capteurs numériques liés à 8 000 mesures physiologiques et comportementales.
Quantité ne veut pas dire qualité. Certains appareils sont bien meilleurs que d’autres pour mesurer certaines variables ; un produit peut être bon pour mesurer une chose mais pas une autre. Un récent tour d’horizon d’études sur la précision de diverses mesures produites par 72 trackers portés au poignet a révélé que de nombreux appareils faisaient un mauvais travail. Certaines des grandes marques, cependant, ont résisté à la tendance. Les appareils de Fitbit avaient toujours une bonne précision sur le nombre de pas ; l’Apple Watch avait la plus grande précision pour la fréquence cardiaque. Aucun des appareils n’était bon pour le nombre de calories, avec des estimations de plus de 30 % pour toutes les marques. Mais la plupart des dispositifs de ces études ont depuis été mis à jour et utilisent probablement des algorithmes plus sophistiqués.
La situation est similaire avec le suivi du sommeil, une fonctionnalité de plus en plus populaire. De nombreux appareils rapportent des mesures telles que la durée des différents stades de sommeil, y compris le sommeil profond et à mouvements oculaires rapides (REM), qui sont importants pour le fonctionnement du cerveau et la recharge du corps. Les chercheurs comparant des appareils portables à une méthode de qualité clinique qui suit l’activité électrique du cerveau avec un casque spécial n’ont pas été impressionnés. Comme l’a dit une étude de neuf appareils portables populaires publiée en 2020, « Tous les appareils commerciaux testés ont eu du mal avec la précision. » Mais certains, notamment les produits Fitbit et Oura, sont raisonnablement précis depuis plusieurs années. Le scientifique en chef d’Oura, Shyamal Patel, a déclaré que dans des études portant sur plus de 1 000 nuits de sommeil, son algorithme était en accord avec la polysomnographie, l’étalon-or pour évaluer le sommeil, 78 % du temps. La polysomnographie implique un expert analysant les données sur l’activité cérébrale d’une nuit entière de sommeil. Deux experts faisant cela sont d’accord avec l’évaluation de l’autre 83% du temps.
La mesure de la fréquence cardiaque est un domaine dans lequel des études indépendantes constatent de bonnes performances constantes sur de nombreux appareils. Euan Ashley, cardiologue à l’Université de Stanford dont l’équipe a réalisé des études indépendantes sur la précision des appareils portables, affirme que les grandes marques, notamment Apple et Fitbit, ont été bonnes pour mesurer la fréquence cardiaque pendant des années, « au point que j’aurais été prêt à lui faire confiance dans une situation clinique ».
Lorsque les mesures informent des tests de diagnostic formels pour des conditions médicales, telles que celle de la fibrillation auriculaire, elles ont besoin non seulement de précision, mais également de sélectivité. Rendre un algorithme plus sensible signifie qu’il détectera plus de cas, mais signifie également qu’il appellera plus de faux positifs.
L’Apple Heart Study et la Fitbit Heart Study ont chacune recruté plus de 400 000 personnes, qui ont été suivies pendant plusieurs mois. Environ 0,5 % à 1 % des participants à chaque étude ont reçu une alerte concernant un rythme cardiaque irrégulier. On leur a demandé de porter un patch ECG (la meilleure méthode pour mesurer le rythme cardiaque) pendant une semaine ou deux. Dans les deux études, un tiers des personnes surveillées de cette manière ont ensuite eu une fibrillation auriculaire. Les appareils Fitbit ont correctement identifié les cas 98 % du temps. Apple l’a fait 84% du temps. Les comparer est délicat car les études différaient sur l’âge moyen des participants et d’autres choses. Dans une étude portant sur des personnes pour la plupart âgées de plus de 55 ans, une version mise à jour de l’algorithme d’Apple a détecté 89 % des cas de fibrillation auriculaire et 0,7 % de ceux qui n’en étaient pas atteints ont reçu une fausse alerte.
Heather Ross, cardiologue à l’Université de Toronto, s’inquiète particulièrement des faux négatifs d’appareils qui prétendent diagnostiquer des problèmes cardiaques mais qui n’ont pas fait valider ces affirmations. Les gens peuvent ignorer les signes avant-coureurs comme les palpitations cardiaques, dit-elle, s’ils portent quelque chose qui suggère qu’il n’y a pas de problème. Le Dr Ross évoque un tour d’horizon d’études sur 40 appareils portables sur le marché en 2020, dont seulement 15 avaient été approuvés par la FDA. Bien qu’il y ait eu près de 1 300 études publiées sur ces dispositifs, la plupart concernaient des questions de faisabilité ou de preuve de concept ; seulement 128 des études provenaient d’une étape d’un essai clinique cardiovasculaire, le genre de données que les médecins veulent voir afin de faire confiance aux résultats d’un appareil.
Andy Coravos, le directeur général de HumanFirst, s’inquiète des appareils non réglementés. Certains collectent des informations qui ne sont pas actuellement protégées en tant que données de santé, dit-elle, ce qui signifie qu’elles pourraient être utilisées pour cibler des publicités ou éventuellement discriminer en matière d’assurance maladie ou d’emploi. Un symptôme neurologique tel qu’un tremblement, par exemple, pourrait être collecté en tant que données de « bien-être » et révéler une forte probabilité d’un trouble tel que la maladie de Parkinson, explique Mme Coravos. Les assureurs peuvent obtenir ces informations via des courtiers en données en ligne et facturer à cette personne une prime plus élevée.
L’éventail croissant de variables de santé suivies par les appareils portables peut entraîner de grands changements dans la prévention des maladies chroniques comme le diabète et les maladies cardiaques. La mesure continue permet d’établir quels modèles sont normaux pour un individu pour des mesures vitales comme la fréquence cardiaque ou la respiration. Ceci, à son tour, aidera les utilisateurs et leurs médecins à reconnaître plus tôt les écarts importants dans le mode de vie, avant qu’une maladie ne se développe. Repérer les modes de vie malsains, cependant, n’est pas très utile à moins qu’il ne conduise à un changement. Et c’est quelque chose que les appareils peuvent désormais aider également.
