Un bracelet connecté intelligent détecte les chutes chez les personnes âgées avec une précision de 96,7 % grâce à l'IA et au LoRa

Les chutes constituent la deuxième cause mondiale de décès par traumatisme non intentionnel, tuant environ 684 000 personnes chaque année, les adultes de plus de 60 ans étant les plus exposés. Près de la moitié des personnes âgées qui chutent ne peuvent se relever sans assistance, ce qui rend la détection rapide et l'alerte essentielles. Pourtant, les détecteurs de chute portables existants sacrifient souvent l'autonomie de la batterie au profit de la précision, ou reposent sur une connexion Bluetooth à courte portée nécessitant un smartphone à proximité — ce qui limite leur fiabilité dans des conditions réelles.

Cette étude, menée par des chercheurs de l'Universidad de Málaga et de l'Universidad de Investigación y Desarrollo (Colombie), propose un système portable hybride répondant simultanément aux trois principales limitations : la précision de détection, l'efficacité énergétique et la portée de communication. Le dispositif intègre un accéléromètre échantillonnant à 20 Hz couplé à un pipeline de détection en deux étapes. Dans la première étape, un modèle léger basé sur des seuils surveille en continu la magnitude de l'accélération et n'active le système que lorsqu'une limite prédéfinie est dépassée — maintenant le processeur et la radio LoRa en veille profonde dans les autres cas. Dans la deuxième étape, un échantillon d'accélération fenêtré sur 4 secondes est transmis via LoRa à un serveur distant, où un modèle d'apprentissage profond CNN-LSTM effectue la classification finale chute/non-chute. Le CNN extrait les caractéristiques spatiales du signal de l'accéléromètre, tandis que le LSTM capture les schémas temporels de mouvement, réduisant ensemble les faux positifs générés par des modèles à seuils plus simples.

Le prototype a atteint une sensibilité de 96,67 % (taux de détection des chutes réelles) et une spécificité de 100 % (aucune classification erronée des activités de la vie quotidienne en tant que chutes) lors des tests expérimentaux avec des scénarios de chutes simulées. La conception ultra-basse consommation a étendu l'autonomie de la batterie à 178 heures de surveillance continue — durée nettement supérieure à celle de nombreux systèmes concurrents. L'architecture LPWAN de LoRa permet une transmission à l'échelle du kilomètre sans infrastructure cellulaire, fonctionnant sur des bandes de fréquences libres pour éliminer les coûts récurrents de réseau et la dépendance au smartphone.

Le système surpasse plusieurs détecteurs de chute antérieurs basés sur LoRa et NB-IoT passés en revue dans l'article. À titre de comparaison, des systèmes similaires ont atteint des précisions allant de 89,2 % à 96,93 %, souvent avec une autonomie de batterie plus courte ou une portée de communication limitée. La conception algorithmique hybride — qui déleste le traitement coûteux en calcul de l'apprentissage profond vers un serveur distant plutôt que vers le dispositif portable lui-même — constitue une innovation architecturale clé permettant d'atteindre simultanément une haute précision et une faible consommation énergétique.

Des réserves importantes s'imposent : les scénarios de chutes ont été simulés et non observés chez de vraies personnes âgées dans des environnements naturels, ce qui peut conduire à surestimer les performances en conditions réelles. La taille du jeu de données et la diversité des sujets ne sont pas entièrement détaillées dans le texte disponible, et le système n'a pas encore été validé dans le cadre d'essais cliniques ou de surveillance à domicile sur le long terme. Par ailleurs, une infrastructure de passerelles LoRa doit être disponible dans les environnements de déploiement, ce qui peut limiter l'applicabilité dans certains contextes ruraux ou intérieurs ne bénéficiant pas d'une couverture LPWAN existante.