Smartphone-based solutions for continuous and accessible healthcare
Des solutions basées sur les smartphones pour des soins de santé accessibles et en continus
Résumé
Vital to human life, healthcare remains costly, administered by a complex and insular apparatus, and often out of reach for many. However, the omnipresent and technologically advanced smartphones offer a transformative opportunity. They can now place advanced diagnosing and health monitoring capabilities in people’s hands, marking a paradigm shift in healthcare. By leveraging the capabilities and widespread use of smartphones, we envision two disruptive roles for the healthcare system. First, smartphone-based solutions can enable continuous health monitoring, reducing the reliance on individual subjective experiences to detect anomalies. Second, the smartphone provides an ideal platform for developing low-cost medical technologies, making healthcare more accessible, especially in regions with limited infrastructure. The field of research known as "mobile health" (mHealth) comes closest to our vision. It involves using connected mobile devices to provide health-related services, such as measuring vital signs, conducting screening exams, and performing tests on samples, previously carried out only in laboratories settings. However, despite significant enthusiasm from the community over the past decade, existing solutions fall short of realizing our aspirations. Many rely on expensive hardware, intricate configurations and protocols, or demand specialized expertise, hindering widespread adoption, especially by untrained individuals with limited resources outside laboratory settings. Against this background, in this thesis we introduce a methodology that combines well-established mathematical principles describing natural phenomena, signal and image processing techniques, and machine learning algorithms within a data-driven design framework. The objective is to foster the development of mobile health (mHealth) systems that can deliver on our vision. We demonstrate this methodology through three smartphone-based solutions – SmartPhOx, BandS-Spi, Droplets– each enabling either the measurement of a vital sign (blood oxygen level), the performance of a medical examination (spirometry), or the easy testing of a liquid sample. Specifically, SmartPhOx introduces a pure camera-and-flashlight smartphone-based pulse oximetry oximetry system, founded on the principles of the Beer-Lambert law, meeting the accuracy threshold required for FDA clearance. BandS-Spi builds upon the Boyle–Mariotte law and enables a user to conduct spirometry tests using a smartphone and an inflatable balloon. The accuracy achieved is comparable to that of tests performed in the presence of a clinician equipped with specialized equipment. Lastly, Droplets, drawing on the Young-Laplace equation, offers a solution for analyzing a liquid using a single droplet. Its accuracy allows for the detection of protein level variations in urine enabling the identification of suspected cases of proteinuria using the camera of any smartphone.
Les avancées de la médecine au cours de ces dernières décennies ont conduit à un système de santé toujours plus spécialisé et cloisonné. L’accès aux soins, quoi que fondamental pour la vie humaine, est souvent complexe voire hors de portée pour de nombreuses personnes. Paradoxalement, l’utilisation de smartphones aux technologies de plus en plus avancées s’est au contraire très largement démocratisée. Leurs capteurs toujours plus variés et leur puissance nous incitent à imaginer deux changements de paradigme dans le suivi médical. D’une part des solutions fondées sur les smartphones peuvent permettre une surveillance continue de la santé, réduisant les biais induits par le caractère subjectif de l’expérience individuelle dans la détection des symptômes. D’autre part le smartphone constitue une plateforme idéale pour développer des technologies médicales à faible coût, rendant les soins plus accessibles, en particulier dans les régions où les infrastructures sont limitées. Cette vision s’insère dans le domaine de recherche de la "santé mobile" (mHealth) qui vise à utiliser des appareils mobiles connectés pour fournir des services liés à la santé tels que la mesure des signes vitaux, des examens de dépistage ou des analyses d’échantillons, auparavant effectués uniquement en laboratoire. Pourtant, malgré l’enthousiasme de la communauté scientifique, les résultats ne sont pas à la hauteur des attentes. De nombreuses solutions reposent en effet sur du matériel coûteux ou des protocoles complexes, ou encore exigent une expertise spécialisée, ce qui entrave leur adoption à grande échelle. Dans ce contexte, nous introduisons dans cette thèse une méthodologie qui combine des principes mathématiques bien établis décrivant des phénomènes naturels, des techniques de traitement des signaux et des images, et des algorithmes d’apprentissage automatique. Notre objectif est de développer des systèmes de santé mobile (mHealth) conformes à notre vision. Nous appliquons cette méthodologie au travers de la conception de trois applications pour smartphone : SmartPhOx, BandS-Spi et Droplets. Elles permettent respectivement la mesure d’un signal vital (le niveau d’oxygène dans le sang), la réalisation d’un examen (spirométrie) et l’analyse simple d’un échantillon de liquide. Plus précisément, SmartPhOx propose un système d’oxymétrie fondé sur l’appareil photo et le flash du téléphone, en s’appuyant sur la loi de Beer-Lambert. Ce système atteint le seuil de précision requis pour obtenir l’autorisation de la FDA. BandS-Spi s’appuie sur la loi de Boyle-Mariotte et permet à un utilisateur de réaliser des tests de spirométrie à l’aide d’un smartphone et d’un ballon gonflable. La précision obtenue est comparable à celle des tests effectués sous le contrôle d’un clinicien, équipé d’un matériel spécialisé. Enfin, Droplets, s’appuyant sur l’équation de Young-Laplace, offre une solution pour analyser un liquide à partir d’une seule gouttelette. Sa précision permet de détecter les variations du taux de protéines dans l’urine, rendant possible l’identification de cas suspects de protéinurie à l’aide de l’appareil photo de n’importe quel smartphone.
Origine | Version validée par le jury (STAR) |
---|