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