Chronolife a développé l’algorithme neuromorphique, baptisé HOTS (Hierarchy Of event-based Time-Surfaces). Il s’agit d’un algorithme prédictif de machine learning, qui analyse en continu des flux de données complexes sur des appareils de faible puissance tel qu’un smartphone, et peut détecter des écarts par rapport à un pattern.
HOTS peut extraire et analyser des données sur de multiples appareils et d’objets connectés pour différents cas d’usage, depuis la santé jusqu’à la maison connectée, en passant par le domaine vétérinaire. Il devient dès lors possible de détecter les événements indésirables avant qu’ils ne se produisent, afin de préserver la santé de l’utilisateur et son bien-être, parfois dans des situations d’urgence vitale. Par exemple, intégré à nos solutions de suivi à distance des patients, HOTS a pour objectif de prédire les décompensations cardiaques et de générer des alertes aux professionnels de santé, afin qu’ils interviennent de manière précoce.
Un premier test dédié à des applications médicales nous a permis de démontrer l’efficacité de HOTS pour la détection de la fibrillation auriculaire grâce à l’exploitation de données d’électrocardiogrammes publiques.
Un second test a ensuite été réalisé en s’appuyant sur une base de données d’un hôpital français provenant de plus de 60 patients, qui a une nouvelle fois démontré la capacité de HOTS à détecter des événements anormaux – en l’occurrence, l’apnée du sommeil.
L’algorithme prédictif HOTS continuera de s’améliorer à mesure que nous l’entraînerons, notamment sur les données collectées lors de l’étude clinique sur l’insuffisance cardiaque, qui a pour objectif d’être menée auprès de plus de 552 patients.
| Maladies cardiovasculaires | ||||
|---|---|---|---|---|
| Signal | Sensibilité (%) | Spécificité (%) | Base de données | |
| Fibrillation atriale | ECG | 100% | 94% | Physionet |
| Extrasystoles | ECG | 95% | 96% | Physionet |
| Maladies respiratoires | ||||
| Apnée du sommeil | SpO2 Respiration abdominale | 96% | 96% | Physionet |
| Apnée du sommeil | ECG Respiration abdominale | 92% | 92% | Private |
L’essor fulgurant de l’IoT et de l’IoMT a révolutionné tous les secteurs, ainsi que notre vie quotidienne. Les dispositifs connectés entraînent à leur tour un volume exponentiel de données, qui peuvent fournir des informations essentielles et permettre la prévision et la détection d’événements indésirables avant qu’ils ne se produisent.
L’algorithme prédictif HOTS est capable d’analyser en continu des flux de données multiparamétriques sur de petites unités de calcul, tels que les smartphones ou les tablettes, ce qui le rend compatible avec tous types de supports. Résultat : HOTS peut être intégré à un grand nombre d’appareils mobiles et de plateformes à des fins d’analyse locale, pour la génération d’alertes personnalisées.
Notre équipe d’experts est là pour vous accompagner à chaque étape de votre parcours, depuis la phase de test jusqu’à la maintenance, en passant par la mise en œuvre et la personnalisation de la configuration. L’entraînement et l’amélioration de l’algorithme prédictif ne sont pas en reste : nous collaborons également avec vos équipes, afin que l’algorithme réponde à vos cas d’usage et à vos besoins en matière de données.
