La déglutition est un mécanisme vital essentiel, répété entre 200 et 9600 fois par jour, qui assure le transport de la salive et des aliments de la bouche vers l'estomac. Ce mécanisme repose sur des phases successives d’abord volontaires puis réflexes. Un dysfonctionnement de ce mécanisme (retard de déclenchement, mauvaise fermeture des voies respiratoires, propulsion inefficace…) est appelé dysphagie. C'est un problème majeur de santé publique touchant environ 43,8 % de la population adulte mondiale. De même, il est estimé que les pénétrations d’aliments dues à une dysphagie sont responsables de 5 à 15 % des cas de pneumonies. En plus des conséquences physiques, la dysphagie impacte directement la santé mentale. Elle peut créer une appréhension pour manger, la nécessité de modifier la texture des repas et donc une perte de plaisir gustatif, et conduit fréquemment à un isolement social. Aujourd'hui, deux examens sont considérés comme la référence en détection de la dysphagie : la vidéofluoroscopie, un examen efficace mais onéreux et irradiant, et la nasofibroscopie, accessible, mais invasive et inconfortable. Face aux limites de ces examens, de nouvelles méthodes sont explorées, notamment l'Auscultation Cervicale à Haute Résolution (ACHR).
L'ACHR capture les sons et mouvements provoqués par les déglutitions grâce à un microphone et un accéléromètre placés sur le cou du sujet pour en permettre l’analyse par des méthodes de traitement du signal et d’apprentissage automatique. C'est dans ce contexte que s'inscrit le projet ANR PhLEs-NID et ce doctorat. En utilisant un dispositif non-invasif (le collier SWALLIS) sur des sujets sains et pathologiques, l'objectif est de créer un outil de détection et de diagnostic automatique de la dysphagie.
Le travail de cette thèse se structure autour de quatre axes :
Tout d’abord, une présentation du projet PhLEs-NID. Ce projet vise à obtenir la constitution d’outils pour évaluer la performance de l’efficacité pharyngolaryngée et met à disposition une très grand corpus annoté d’événements pharyngolaryngés enregistré à partir des capteurs classiques de l’ACHR ainsi qu’un EMG, un oxymètre et une thermistance.
Puis une étude a été menée sur la détection des événements pharyngolaryngés sur des enregistrements de sessions d’auscultation à l’hôpital en utilisant un modèle de segmentation multi-classe issu de la bibliothèque Pyannet. Nous montrons que tous les signaux enregistrés par ACHR sont utiles à cette segmentation et parvenons à détecter les déglutitions à 80%, les phonations à 87% et les toux à 76%.
Ensuite, une caractérisation de ces événements pharyngolaryngés par des paramètres de traitements de signal a permis d’apporter une explicabilité aux modèles prédictifs. En effet, nous montrons comment ces paramètres nous permettent d’expliquer les différences physiologiques des événements pharyngolaryngés. Notre approche paramétrique permet de séparer les déglutitions du reste des évènements à 95% et différencie une toux contrôlée d’une toux réflexe à 87%.
Enfin, en vue de créer un score d’efficacité pharyngolaryngé, objectif du projet PHLES-NID, nous présentons les recherches effectuées pour créer des indicateurs de l’efficacité pharyngolaryngée, notamment Yale et PAS. Nous montrons que nous arrivons à prédire à 80% si plus de 5% de résidus restent après une déglutition et nous présentons comment introduire un nouveau score, la DOSS, dans nos données. En nous basant sur ce score et notre méthode paramétrique, nous séparons les sujets témoins ou présentant une dysphagie légère des autres à 73%.
Ainsi cette thèse permet d’approfondir la recherche sur l’utilisation de l’ACHR dans un contexte réel sur des sujets pathologiques et pose les bases nécessaires pour arriver à déterminer les facteurs d’efficacité pharyngolaryngés que nous pouvons extraire de ces enregistrements.
|
Swallowing is an essential and vital mechanism, repeated between 200 and 9,600 times a day, which ensures the transport of saliva and food from the mouth to the stomach. This mechanism relies on successive phases, first voluntary and then reflex. A dysfunction of this mechanism (delayed triggering, poor airway closure, ineffective propulsion...) is called dysphagia. It is a major public health issue affecting approximately 43.8% of the global adult population. Similarly, it is estimated that food penetration due to dysphagia is responsible for 5 to 15% of pneumonia cases. In addition to physical consequences, dysphagia directly impacts mental health. It can create an apprehension towards eating or the need to modify meal textures and therefore a loss of gustatory pleasure, and frequently leads to social isolation. Today, two examinations are considered the gold standard for detecting dysphagia: videofluoroscopy (VFSS), an effective but expensive and radiating examination, and endoscopy (FEES), accessible, but invasive and uncomfortable. Given the limitations of these examinations, new methods are being explored, notably High-Resolution Cervical Auscultation (HRCA).
HRCA captures the sounds and movements caused by swallowing using a microphone and an accelerometer placed on the subject's neck, enabling their analysis through signal processing and machine learning methods. It is within this context that the ANR PhLEs-NID project and this PhD are situated. By using a non-invasive device (the SWALLIS device) on healthy and pathological subjects, the objective is to create an automatic detection and diagnostic tool for dysphagia.
The work of this thesis is structured around four axes:
First of all, a presentation of the PhLEs-NID project. This project aims to establish tools to evaluate the performance of pharyngolaryngeal efficiency and provides a very large annotated corpus of pharyngolaryngeal events recorded using standard HRCA sensors as well as an EMG, an oximeter, and a thermistor.
Then, a study was conducted on the detection of pharyngolaryngeal events from recordings of hospital auscultation sessions using a multi-class segmentation model from the Pyannet library. We show that all the signals recorded by HRCA are useful for this segmentation and manage to detect swallowing at 80%, phonation at 87%, and coughing at 76%.
Next, a characterization of these pharyngolaryngeal events by signal processing parameters provided explainability to the predictive models. We show how these parameters allow us to explain the physiological differences of pharyngolaryngeal events. Our parametric approach allows for the separation of swallowing from the rest of the events at 95% and differentiates a controlled cough from a reflex cough at 87%.
Finally, with a view to creating a pharyngolaryngeal efficiency score, the objective of the PHLES-NID project, we present the research carried out to create indicators of pharyngolaryngeal efficiency, notably Yale and PAS. We show that we can predict with 80% accuracy whether more than 5% of residues remain after swallowing, and we present how to introduce a new score, the DOSS, into our data. Based on this score and our parametric method, we separate control subjects or those with mild dysphagia from the others at 73%.
Thus, this thesis allows for deeper research into the use of HRCA in a real-world context on pathological subjects and lays the necessary foundations to determine the pharyngolaryngeal efficiency factors that we can extract from these recordings. |