Comparaison de méthodes de clusteringpour détecter des troubles de la marche à partir de données issues d’un capteur de mouvement

Les tests pour évaluer la dégradation de la marche des patients atteints de maladie neurodégénératives, comme la sclérose en plaques (SEP), consistent le plus souvent à mesurer le temps nécessaire au patient pour parcourir une distance fixée ou la distance qu’il peut parcourir en une certaine durée. Ces tests constituent une mesure peu précise et n’ont lieu que lors des consultations. L’utilisation d’objets connectés, tels que les capteurs de mouvement, pourrait permettre une mesure plus fréquente et plus précise de l’évolution de la maladie du patient, et ce aussi dans sa vie quotidienne. Dans le cadre d’un contrat de collaboration de recherche, l’entreprise UmanIT et le laboratoire de mathématiques Jean-Leray de Nantes développent une méthodologie statistique pour l’analyse des troubles de la marche à l’aide d’un capteur de mouvement placé à la ceinture. Une première version du dispositif a été développée et testée auprès de volontaires sains (employés d’UmanIT). L’objectif du travail présenté est de comparer les résultats de différentes méthodes de clusteringobtenus à partir de données issues du capteur de mouvement dans le but de construire des groupes d’individus possédant des cycles de marche similaires.