Montant:
2’896’648 francs (2020-2024)
Titre de la recherche:
PEDESITE: Personalized Detection of Epileptic Seizure in the Internet of Things (IoT) Era
Requérant principal:
Professeur Philippe Ryvlin, Département des neurosciences cliniques
Programme FNS:
Sinergia
L’épilepsie touche plus de 60 millions de personnes dans le monde, dont 70’000 en Suisse. Pour près d’un tiers de ces personnes, les traitements actuellement disponibles ne permettent pas de contrôler la maladie. Les crises d’épilepsie surviennent alors sans prévenir et plus ou moins fréquemment.
Le caractère imprévisible des crises conditionne une grande partie du handicap et des risques associés. De nombreux travaux suggèrent cependant qu’il est possible de développer des systèmes portables (wearables) qui permettent de détecter, voire de prédire les crises d’épilepsie. A ce jour, les systèmes validés par les autorités de santé détectent exclusivement les crises dites «convulsives», mais ces dernières ne représentent qu’environ 15% de l’ensemble des crises d’épilepsie. Coordonnée par le professeur Philippe Ryvlin, chef du Département des neurosciences cliniques du CHUV, l’étude PEDESITE propose de mettre au point des dispositifs non invasifs et portables qui permettraient une détection fiable des crises d’épilepsie, voire une prédiction de leur survenue, afin d’améliorer de manière significative la qualité de vie des personnes souffrant d’épilepsie.
Du fait de la diversité des symptômes, développer des systèmes de détection ou de prédiction des crises représente un défi multidisciplinaire, technologique et médical, raison pour laquelle ce projet implique l’EPFL et l’ETH de Zurich. Pour relever le défi, ce consortium utilisera des processus de haute technologie, en poursuivant trois objectifs. Le premier consiste à intégrer les données de multiples signaux physiologiques (rythme cardiaque, mouvements, réaction au stress, électroencéphalogramme) dans un seul dispositif portable d’enregistrement et d’analyse, qui couvrira les multiples facettes des crises d’épilepsie. Le deuxième objectif sera de personnaliser l’analyse de ces signaux en fonction des caractéristiques individuelles des crises, grâce à des outils d’intelligence artificielle embarqués au sein même des dispositifs. Il s’agira enfin d’optimiser la consommation énergétique de ces dispositifs complexes afin de permettre leur utilisation en continu.