Stanford lance un essai clinique sur la santé cardiaque coaché par IA ciblant 15 000 adultes
Un essai numérique à grande échelle teste si des messages de coaching personnalisés générés par un LLM peuvent augmenter l'activité physique quotidienne plus efficacement que des messages génériques.
Résumé
Des chercheurs de Stanford ont lancé une étude de nouvelle génération sur smartphone intitulée My Heart Counts, avec l'objectif de recruter jusqu'à 15 000 adultes aux États-Unis et au Royaume-Uni. L'étude constitue une biobanque numérique en collectant des données de santé passives — pas, fréquence cardiaque, sommeil, ECG — ainsi que des dossiers médicaux électroniques. Elle intègre également un essai croisé randomisé visant à déterminer si des messages de coaching personnalisés générés par intelligence artificielle, fondés sur le Modèle Transthéorique du Changement, permettent d'augmenter le nombre de pas quotidiens plus efficacement que des messages génériques. L'application fonctionne actuellement sur iOS, avec une version Android prévue pour 2027, et est disponible en anglais et en espagnol. Si le coaching piloté par des LLM s'avère efficace à grande échelle, ce modèle pourrait transformer la manière dont la prévention cardiovasculaire est dispensée — à faible coût, de façon automatisée, et sans nécessiter un coach de santé humain pour chaque patient.
Résumé détaillé
Les maladies cardiovasculaires demeurent la première cause de décès et d'invalidité dans le monde, pourtant il s'est révélé difficile de déployer des interventions comportementales personnalisées et à grande échelle sans mobiliser d'importantes ressources humaines. Les outils de santé numérique offrent une voie prometteuse, mais les essais antérieurs sur smartphone étaient limités par l'exclusivité des plateformes et la dépendance à des experts humains pour élaborer des messages individualisés. L'étude My Heart Counts 2.0 a été conçue pour s'attaquer de front à ces deux contraintes.
Cette étude de cohorte prospective et observationnelle, intégrant un essai croisé randomisé, recrutera jusqu'à 15 000 adultes aux États-Unis et au Royaume-Uni via une application smartphone repensée, construite sur le framework open source Stanford Spezi. L'application constitue une riche banque de données numériques : données passives de capteurs incluant le nombre de pas, la fréquence cardiaque, le <strong>sommeil</strong> et l'accélérométrie ; tâches actives d'évaluation physique telles que le test de marche de 6 minutes et la course de 12 minutes de Cooper ; ECG ; questionnaires longitudinaux ; et données de dossiers médicaux électroniques intégrées via les protocoles HL7 FHIR.
L'essai principal teste si des messages de coaching générés de façon autonome par un grand modèle de langage (LLM) — ancrés dans le Modèle Transthéorique du Changement et personnalisés pour chaque utilisateur — peuvent augmenter le nombre quotidien de pas davantage que des messages texte génériques. Le plan croisé permet à chaque participant de servir de son propre témoin, ce qui accroît la puissance statistique. Les critères de jugement secondaires incluent les minutes d'activité et la dépense calorique ; les critères exploratoires portent sur l'évolution de la condition cardiorespiratoire, la fréquence cardiaque au repos, la variabilité de la fréquence cardiaque et la qualité du <strong>sommeil</strong>.
Pour les cliniciens comme pour les adultes soucieux de leur santé, les implications sont considérables. Si le coaching par LLM surpasse les messages génériques à grande échelle, cela validerait un modèle entièrement automatisé et peu coûteux pour la prévention cardiovasculaire — un modèle susceptible d'atteindre des populations n'ayant pas accès à des coachs de santé ou à des conseillers en comportement.
Des réserves subsistent. L'étude est encore en phase de recrutement, et aucune donnée sur les résultats n'est donc disponible pour l'instant. Les essais sur application font face à des problèmes d'attrition et de biais de sélection. Le présent résumé repose uniquement sur l'abstract du protocole publié, et les résultats sur l'efficacité sont en attente.
Principales conclusions
- Trial targets 15,000 adults across the US and UK using a fully digital, smartphone-based platform.
- LLM-generated personalized coaching prompts are tested head-to-head against generic activity messages.
- Primary endpoint is change in daily step count; secondary endpoints include active minutes and calorie burn.
- Digital biobank integrates ECG, accelerometry, fitness tests, surveys, and EHR data via FHIR protocols.
- App supports English and Spanish, broadening reach to underserved and Latino cardiovascular populations.
Méthodologie
Cohorte observationnelle prospective avec un essai croisé randomisé intégré ; chaque participant expérimente à la fois le bras coaching piloté par LLM et le bras coaching générique. L'analyse principale utilise des modèles à effets mixtes pour comparer le nombre de pas quotidiens entre les deux bras. Le recrutement a débuté en mars 2026 et est en cours.
Limites de l'étude
Aucune donnée d'efficacité n'est encore disponible — cet article décrit uniquement le design de l'étude et sa justification. Les essais basés sur une application sont sujets aux biais de sélection et aux taux d'abandon élevés. Ce résumé est basé uniquement sur le résumé publié, le texte intégral n'étant pas accessible.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :