Applications innovantes des signaux physiologiques non invasifs et de l’intelligence artificielle

L’intelligence artificielle (IA) révolutionne actuellement de nombreux domaines (Qasmi & Fatima, 2024; Alyabroodi et al., 2023), en facilitant la personnalisation de l’expérience utilisateur ou des résultats attendus, tout en permettant la surveillance et la détection de conditions pathologiques. L’utilisation de signaux biomédicaux non invasifs peut améliorer les performances des applications IA en fournissant des informations objectives sur les traits d’une personne, souvent difficiles à évaluer, ou en apportant des données physiologiques qui participent à l’avancement du traitement des signaux biomédicaux pour une meilleure prise en charge médicale (Tseng et al., 2023; Kumar et al., 2024).

Cette collection aborde plusieurs applications de l’IA en lien avec les signaux physiologiques non invasifs dans le domaine des neurosciences. Dans le champ novateur des neuro-humanités, Blanco-Ríos et al. (2024) présentent un système en temps réel pour la reconnaissance des émotions à partir de signaux EEG, atteignant une précision remarquable, et ayant pour but d’améliorer l’expérience d’apprentissage dans les études humaines. Des applications dans le domaine de la santé sont également explorées, comme le montre l’étude de Fernandez Rojas et al. (2024), qui compare la précision de modèles d’apprentissage profond avec la spectroscopie fonctionnelle proche infrarouge (fNIRS) pour l’évaluation de la douleur. Le meilleur modèle, le CNN-LSTM, pourrait devenir un outil efficace pour les cliniciens traitant des patients ayant des limitations de communication.

D’autres études innovantes dans cette collection s’intéressent à la recherche sur les interfaces cerveau-ordinateur (BCI). Juan et al. (2024) ont combiné des méthodes d’extraction de caractéristiques spectro-temporelles et spectro-spatiales avec des modèles d’apprentissage profond (CNN), améliorant l’exactitude de décodage de l’imagerie motrice à partir de signaux EEG pendant des tâches de pédalage, atteignant une précision de 80% malgré une instabilité accrue. Dans un contexte similaire, Dillen et al. (2024) ont évalué l’utilisabilité d’une BCI reposant sur la détection d’imagerie motrice et la réalité augmentée pour divers mouvements. Ces contributions sont cruciaux pour s’assurer que les BCIs soient pratiques et efficaces dans différents scénarios.

Concernant les dispositifs portables, les signaux biomédicaux doivent être compressés et reconstruits pour leur transmission tout en réduisant le bruit. Zhang et al. (2024) présentent une amélioration de la reconstruction des signaux électrocardiographiques (ECG) fondée sur la minimisation de la norme nucléaire pondérée (WNNM) et des algorithmes de passage de message approximatifs (AMP). Dans le même registre, Cisotto et al. (2024) introduisent un nouveau modèle d’apprentissage profond, l’hvEEGNet, basé sur un autoencodeur variationnel hiérarchique, conçu pour la reconstruction de signaux EEG multicanaux, capable d’une reconstruction de haute fidélité avec une grande cohérence à travers les sujets.

Les articles présentés dans ce sujet éditorial offrent un aperçu des applications récentes de l’intelligence artificielle et des signaux biomédicaux, principalement sous l’angle des neurosciences. Ces travaux révèlent certaines tendances futures qui pourraient être développées pour améliorer l’expérience personnelle et la précision, en particulier dans les services de santé.

**Points à retenir**

– L’intelligence artificielle permet de personnaliser des expériences et de détecter des états pathologiques.
– Les signaux physiologiques non invasifs enrichissent le traitement des données pour une meilleure prise en charge.
– Les recherches sur les interfaces cerveau-ordinateur montrent des promesses dans des applications pratiques.
– Des avancées en traitement de signaux portent sur l’amélioration de la qualité et de la fidélité des données.

Ces découvertes mettent en lumière les potentialités offertes par la convergence de l’IA et des signaux biomédicaux. Il sera intéressant d’observer comment ces technologies évolueront et contribueront à transformer les pratiques en santé, tout en soulevant des questions éthiques et pratiques sur leur mise en œuvre. Quelles seront les implications de cette transformation pour les professionnels de santé et les patients dans les années à venir ?