Dans un progrès considérable dans le domaine des ultrasons portables, une équipe d’ingénieurs de l’Université de Californie à San Diego a conçu le tout premier système d’échographie portable intégré pour le suivi des tissus profonds, y compris pour les sujets en déplacement.
Ce dispositif pourrait révolutionner le monitoring cardiovasculaire, apportant une solution potentiellement salvatrice. Les détails de cette innovation, intitulée « Un système d’échographie portable entièrement intégré pour le suivi des tissus profonds chez les sujets en mouvement », ont été publiés dans Nature Biotechnology.
Muyang Lin, doctorant au département de Nanoingénierie à l’UC San Diego et premier auteur de l’étude, explique : « Ce projet offre une solution complète à la technologie d’échographie portable — non seulement le capteur portable, mais aussi l’électronique de contrôle sont fabriqués sous des formes portables. Nous avons conçu un dispositif véritablement portable qui peut détecter les signes vitaux des tissus profonds sans fil. »
Cette recherche est issue du laboratoire de Sheng Xu, professeur de nanoingénierie à l’École d’ingénierie Jacobs de l’UC San Diego et auteur correspondant de l’étude.
Le système ultrasonique autonome portable entièrement intégré (USoP) se base sur les travaux précédents du laboratoire concernant la conception de capteurs ultrasoniques souples. Cependant, tous les capteurs ultrasoniques souples précédents nécessitaient des câbles de liaison pour la transmission de données et d’énergie, limitant considérablement la mobilité de l’utilisateur.
Dans ce travail, l’équipe a intégré un petit circuit de contrôle flexible qui communique avec un réseau de transducteurs ultrasoniques pour collecter et transmettre des données sans fil. Un composant d’apprentissage automatique aide à interpréter les données et à suivre les sujets en mouvement.
Selon les résultats du laboratoire, l’USoP permet un suivi continu des signaux physiologiques provenant de tissus jusqu’à 164 mm de profondeur, mesurant en continu la pression sanguine centrale, le rythme cardiaque, le débit cardiaque et d’autres signaux physiologiques pendant jusqu’à douze heures d’affilée.
« Cette technologie a beaucoup de potentiel pour sauver et améliorer des vies », affirme Lin. « Le capteur peut évaluer la fonction cardiovasculaire en mouvement. Des valeurs anormales de la pression sanguine et du débit cardiaque, au repos ou pendant l’exercice, sont des signes de défaillance cardiaque. Pour les populations en bonne santé, notre dispositif peut mesurer en temps réel les réponses cardiovasculaires à l’exercice et fournir ainsi des informations sur l’intensité réelle de l’effort fourni par chaque personne, ce qui peut aider à élaborer des plans d’entraînement personnalisés. »
Le système ultrasonique portable représente également une percée dans le développement de l’Internet des objets médicaux (IoMT), un terme désignant un réseau de dispositifs médicaux connectés à internet, transmettant sans fil des signaux physiologiques dans le cloud pour le calcul, l’analyse et le diagnostic professionnel.
« Bien que nous soyons des ingénieurs, nous connaissons les problèmes médicaux auxquels les cliniciens sont confrontés », déclare Lin. « Nous avons une relation étroite avec nos collaborateurs cliniques et recevons toujours des retours précieux de leur part. Cette nouvelle technologie d’échographie portable est une solution unique pour résoudre de nombreux défis de surveillance des signes vitaux en pratique clinique. »
Au cours de l’élaboration de sa dernière innovation, l’équipe a été surprise de découvrir qu’elle avait plus de capacités qu’elle ne l’avait prévu.
« Au tout début de ce projet, nous visions à construire un capteur de pression sanguine sans fil », raconte Lin. « Plus tard, alors que nous construisions le circuit, concevions l’algorithme et recueillions des informations cliniques, nous nous sommes rendu compte que ce système pouvait mesurer beaucoup plus de paramètres physiologiques critiques que la pression sanguine, comme le débit cardiaque, la rigidité artérielle, le volume expiratoire et bien plus encore, tous essentiels pour les soins de santé quotidiens ou la surveillance en milieu hospitalier. »
De plus, lorsque le sujet est en mouvement, il y a un mouvement relatif entre le capteur ultrasonique portable et le tissu cible, nécessitant un réajustement manuel fréquent du capteur ultrasonique portable pour suivre la cible en mouvement. Pour répondre à ce défi, l’équipe a développé un algorithme d’apprentissage automatique pour analyser automatiquement les signaux reçus et choisir le canal le plus approprié pour suivre la cible en mouvement.
Cependant, lorsque l’algorithme est entraîné à l’aide des données d’un sujet, cet apprentissage peut ne pas être transférable à d’autres sujets, ce qui rend les résultats incohérents et peu fiables.
Ziyang Zhang, étudiant en master au département d’informatique et d’ingénierie de l’UC San Diego et co-premier auteur de l’article, explique : « Nous avons finalement réussi à faire fonctionner la généralisation du modèle d’apprentissage automatique en appliquant un algorithme d’adaptation avancé. Cet algorithme peut automatiquement minimiser les différences de distribution de domaine entre différents sujets, ce qui signifie que l’intelligence machine peut être transférée d’un sujet à l’autre. Nous pouvons entraîner l’algorithme sur un sujet et l’appliquer à de nombreux autres nouveaux sujets avec une reformation minimale. »
Dans le futur, le capteur sera testé sur des populations plus larges. « Jusqu’à présent, nous n’avons validé la performance du dispositif que sur une petite mais diversifiée population », déclare Xiaoxiang Gao, chercheur postdoctoral au département de Nanoingénierie à l’UC San Diego et co-premier auteur de l’étude. « Comme nous envisageons ce dispositif comme la prochaine génération de dispositifs de suivi des tissus profonds, les essais cliniques sont notre prochaine étape. »
More information: Sheng Xu, A fully integrated wearable ultrasound system to monitor deep tissues in moving subjects, Nature Biotechnology (2023). DOI: 10.1038/s41587-023-01800-0. www.nature.com/articles/s41587-023-01800-0
