Prévenir les chutes grâce à l’apprentissage par renforcement

Pro­fesseur des uni­ver­sités, Karim El Kirat est co-respon­s­able, avec Sofi­ane Boudaoud, de l’équipe C2MUST au BMBI. Il développe, notam­ment grâce à l’IA, des mod­èles mul­ti-échelles pour la préven­tion des chutes.

C’est avec Tuan Dao, alors mem­bre de BMBI et spé­cial­iste de l’IA, que Karim El Kirat a com­mencé à tra­vailler sur des mod­èles mul­ti-échelles au niveau molécu­laire. Depuis, Tuan Dao a rejoint l’école Cen­trale de Lille en tant que pro­fesseur, mais leur col­lab­o­ra­tion s’est pour­suiv­ie sur la mod­éli­sa­tion mul­ti-échelles du corps entier. « La bio­mé­canique du corps humain intè­gre dif­férents aspects. On s’intéresse au sys­tème mus­cu­lo-squelet­tique. À savoir, les mus­cles, les os et les ten­dons. Il s’agit de définir le rôle des dif­férents élé­ments lors d’un mou­ve­ment, par exem­ple. L’os est l’assise du sys­tème, les ten­dons sont des ressorts en quelque sorte, alors que les mus­cles sont des action­neurs. La ques­tion est : qui com­mande tout cela et com­ment cela fonc­tionne ? Lorsqu’on fait de la mod­éli­sa­tion mul­ti-échelles, on analyse simul­tané­ment la manière dont le mus­cle va se con­tracter aux dif­férentes échelles pour pro­duire le mou­ve­ment à l’échelle de l’homme, et com­ment l’influx nerveux par­ticipe à tout cela », explique Karim El Kirat.

Les deux chercheurs se sont notam­ment intéressés à la prob­lé­ma­tique de la chute. « Petits, on apprend à marcher en chutant, on se relève et c’est par­ti, pense-t-on, pour la vie. Or, la sar­copénie, infil­tra­tion de gras dans le mus­cle qui abaisse la force mus­cu­laire, peut débuter dès l’âge de 40 ans induisant un risque crois­sant de chute avec l’âge, surtout pour les sujets séden­taires. C’est ain­si que, dans la mod­éli­sa­tion, on a décidé d’utiliser une IA bio­mimé­tique qui imite le proces­sus d’apprentissage de la marche. On a ain­si dévelop­pé un mod­èle basé sur une IA spé­ci­fique : l’apprentissage par ren­force­ment. On fab­rique un mod­èle bio­mé­canique du corps entier en y inté­grant les pro­priétés mécaniques de l’os, du mus­cle et du ten­don. On demande ensuite au mod­èle de faire quelques pas et de chuter. On récom­pense le mod­èle s’il atteint les objec­tifs (chuter, ou pas) et on peut ain­si analyser quelles par­ties du corps, quelles étapes de la marche sont déter­mi­nantes pour éviter la chute. Le mod­èle est entraîné grâce aux don­nées disponibles dans notre base de don­nées mais aus­si celles issues de la lit­téra­ture pour finale­ment pro­pos­er des rou­tines de ren­force­ment mus­cu­lo-squelet­tique préven­tives », conclut-il.

MSD

Le magazine

Avril 2025 - N°65

Biomécanique pour la santé : des modèles d’intelligence artificielle spécifiques

linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram