Appel à projets générique (AAPG) 2023

Instrument : PRC - Projet de recherche collaborative

Comité d’évaluation scientifique : CE19 - Technologies pour la santé

Durée : 36 mois (01/01/2024 – 31/12/2026)

Montant total : 565 k€

Porteur : Fabienne Porée (LTSI)

Partenaires :

·      Laboratoire Traitement du Signal et de l’Image (LTSI), INSERM U1099, Université de Rennes

·      CIC-IT 1414, CHU Rennes

·      CIC-IT 1403, CHU de Lille

 

 

 

Résumé :

Un nouveau-né est prématuré si sa naissance a lieu avant 37 semaines de grossesse. Il a plusieurs fonctions immatures, ce qui implique une surveillance spécifique, dont l’analyse de son sommeil, car il est lié à l’état de maturation de son cerveau.

Chez les nouveau-nés, les stades de sommeil de sommeil sont dits « comportementaux » car ils sont basés sur l’observation directe du bébé. Le scorage des stades de sommeil est réalisé en présence du bébé, à partir de ses mouvements corporels, de l’état de ses yeux (ouverts ou fermés), de son rythme cardio-respiratoire, de ses vocalisations… En revanche, ces analyses sont subjectives et chronophages. Dans ce contexte, le développement de méthodes automatiques pour estimer les stades de sommeil est nécessaire.

Dans le projet SLEEPINESS, nous proposons de développer un système de surveillance du sommeil par le biais d'une approche centrée sur l'utilisateur, afin de produire une interface attrayante donnant une évaluation précise, détaillée, structurée et systémique de l'organisation du sommeil. Dans ce but, une méthode pour extraire automatiquement les états de veille/sommeil des nouveau-nés prématurés doit d'abord être développée (WP2). Deux types de données seront étudiés : i) les signaux électrophysiologiques (électrocardiogramme et respiration) et ii) les modalités audio-vidéo, où les données audio et vidéo fourniront des informations sur les vocalisations et les mouvements du bébé, respectivement.

Ensuite, la fusion des données sera effectuée en utilisant une approche auto-supervisée. Elle combinera un modèle général supervisé avec un système d'auto-apprentissage spécifique-patient pour une évaluation automatique du sommeil et de l'éveil basée sur des données massives et l'intelligence artificielle.

Parallèlement, des études d'acceptabilité (WP3) et des études cliniques (WP1 et WP4) seront réalisées afin de fournir un aperçu de l'intégration pratique de l'outil.

 

Abstract :

Newborn are preterm if birth occurred before 37 weeks of gestation. They have several immature functions, which implies a specific monitoring and, among others, the analysis of sleep, a major contributor to neonatal brain development.

By newborns, sleep stages are said "behavioral", as there are based on a direct observation of the baby and sleep scoring is performed in presence of the baby, by observing body activity, eye state (open or closed), cardio-respiration regularity, vocalizations… However, this analysis is subjective and time consuming and cannot systematically be used. In this context, development of new ways to automatically assess neonate sleep and wake states is necessary.

In SLEEPINESS project, we propose to develop a bedside sleep monitoring through a user-centered design approach to produce an attractive interface giving an accurate, detailed, structured, and systemic assessment of sleep organization. For this purpose, a method to automatically extract sleep/wake states of premature newborns has first to be developed (WP2). Two types of data will be investigated: i) electrophysiological signals (electrocardiogram and respiration) and ii) audio-video modalities, where audio and video data will provide information on baby vocalizations and motion, respectively.

Then, data fusion will be performed using a self-supervised approach. It will combine a supervised general model with a specific-patient self-learning system for an automated sleep-wake scoring based on massive data and artificial intelligence.

Alongside, acceptability (WP3) and clinical investigations (WP1 and WP4) will be performed to provide insights into the practical integration of the tool.

 

 

Organisation du projet (WP) :

Le projet Sleepiness est organisé autour de 6 work-packages.

·       Le WP0 (Management and Administration) concerne la gestion du projet.

·       Le WP1 (Database and use case) est centré sur la gestion des données.

·       Le WP2 (Sleep-wake estimation) est dédié à l’estimation des stades de veille et de sommeil par des méthodes de traitement du signal et d’intelligence artificielle.

·       Le WP3 (Acceptability through user-centered design) intègre les aspects liés à l’acceptabilité du système à développer par les professionnels et les familles.

·       Le WP4 (Clinical Data Warehouse exploitation) a pour objectif de mettre en relation le sommeil des nouveau-nés, estimé automatiquement, avec les événements cliniques de leur parcours de soin.

·       Enfin, le WP5 (Prototyping the sleep monitoring platform) est dédié au développement de la plateforme finale.

 

 

Membres du projet :

 

Université de Rennes - LTSI	POREE	Fabienne	Full Professor
	CARRAULT	Guy	Full Professor
	CABON	Sandie	Research engineer
CHU Rennes	PLADYS	Patrick	University professor and Hospital practitioner
	CUGGIA	Marc	University professor and Hospital practitioner
	FIN	Loïc	Clinical research manager
CIC-IT Lille	PELAYO	Sylvia	Full Professor

 

 

Contact :

Fabienne Porée, LTSI, Université de Rennes

Mail : fabienne.poree@univ-rennes.fr

Tel : 02 23 23 73 30