Page 132 - Livre électronique du congrès national de pneumologie 2022
P. 132
fréquente chez les sujets de plus de 40 ans. L’analyse reconnaissance des différents sons auscultatoires
multivariée a montré que les femmes (p=0.041 ; par des enregistrements recueillis sur internet. La
OR=5.5), les tabagiques sevrés (p=0.049 ; OR=6.66) deuxième partie consistait à comparer ces données
et les patients ayants des comorbidités (p=0.041 ; avec des enregistrements auscultatoires validés par
OR=0.182) avaient un risque plus élevé de deux pneumologues. Et cette étape représente
développement de l'anxiété. L’âge et la durée l’apprentissage de système de l’intelligence
d’hospitalisation n’étaient pas des facteurs prédictifs artificielle pour améliorer la reconnaissance des
de troubles anxiodépressifs. sons.
CONCLUSION : Selon cette étude, l’hospitalisation Les enregistrements d’auscultation pulmonaire ont
influence peu les niveaux d’anxiété des patients été recueilli auprès de118 patients hospitalisés au
mais une prise en charge psychologique reste service de pneumologie CHU Hédi Chaker Sfax,
indispensable pour garantir un résultat effectué par le même praticien à l’aide de
thérapeutique optimal. stéthoscopes électroniques. Quatre foyers
d’auscultation fixes pour chaque patient (para-
P126. L’INTELLIGENCE ARTIFICIELLE sternal droit, antéro-basal droit, paravertébral
APPLIQUEE A L’AUSCULTATION PULMONAIRE gauche et postéro-basal gauche). On a recueilli 5
types de sons : crépitants, sibilants inspiratoires,
I. Ben Salah 1, S. ABID1-3, R. Gargouri1-3, M. M.Karray2, I. sibilants inspiratoire et expiratoire, râles
Wadhane1, Z.Triki2, N.Moussa1-3, S.Kammoun1-3 . bronchiques, silence auscultatoire.
1 SERVICE DE PNEUMO-ALLERGOLOGIE, CHU HEDI CHAKER OF SFAX- RESULTATS
TUNISIE. 2 MEDICACOM IA START UP E-SANTE A SFAX-TUNISIE 3
UNIVERSITE DE SFAX, FACULTE DE MEDECINE SFAX-TUNISIE On a collecté 472 sons auscultatoires, dont 0,5%
n’étaient pas valides. Après injection des
INTRODUCTION enregistrements collectés dans le modèle IA, le
score F1 = 0,92.
L’auscultation pulmonaire est un examen clinique
essentiel surtout en pneumologie. Au temps de la Après injection des enregistrements collectés dans
télémédecine, sa réalisation à distance, pose un le modèle IA, le score F1 = 0,92.
problème pour le praticien. D’où l’idée d’appliquer
l’intelligence artificielle à l’auscultation pulmonaire, et
développer une alternative qui permet au
pneumologue de réaliser un examen clinique
complet à distance.
OBJECTIF
Développer un outil qui permet d’avoir des résultats
d’auscultation pulmonaires fiable lors d’une
consultation à distance par le développement
d’une nouvelle méthode d’analyse automatique du Figure 4 : Training Accuracy vs Validation Accuracy
son basée sur les réseaux de neurones convolutifs
(CNN) et la mettre en œuvre dans un système qui
utilise un stéthoscope électronique pour capturer et
reconnaitre le type du son respiratoire.
MATÉRIELS ET MÉTHODES
Notre travail représente la troisième partie du projet
de développement de l’intelligence artificielle
appliqué à l’auscultation pulmonaire. Première partie
consistait au développement d’une application de Figure 5 : Training Loss vs Validation Loss
126 | P a ge