Améliorer les pratiques de réanimation des nouveau-nés

Chaque année, un million de nouveau-nés meurent dans les premières 24 heures de leur vie. Beaucoup de ces décès sont dus à des problèmes lors de l'accouchement, surtout à l'asphyxie néonatale. Cette condition signifie qu'un nouveau-né ne reçoit pas assez d'oxygène juste après sa naissance. Dans les pays pauvres, beaucoup de bébés ont besoin d'aide pour commencer à respirer, et savoir comment réagir vite est crucial pour leur survie.

Il existe des directives pour la Réanimation des nouveau-nés, mais l'impact de différents traitements n'est pas bien compris. Le projet Safer Births étudie cette question en collectant des données pendant les efforts de réanimation à l'hôpital luthérien de Haydom en Tanzanie depuis 2013. Les données comprennent des enregistrements vidéo et des signaux provenant de dispositifs de surveillance attachés aux nouveau-nés. Analyser ces données peut nous aider à comprendre comment différentes Activités de réanimation affectent la santé des nouveau-nés. Un calendrier des activités réalisées pendant la réanimation pourrait donner des informations précieuses.

#Méthodes

Pour analyser les données collectées, on doit se pencher sur les activités qui se produisent pendant la réanimation. Ces activités incluent fournir de l'oxygène par ventilation avec un masque, aspirer les fluides de la bouche et du nez du bébé, et vérifier le rythme cardiaque du bébé. Les vidéos de ces activités sont souvent bruyantes et présentent de nombreuses variations. On propose un processus pour détecter et suivre des objets dans ces vidéos, même quand les activités se chevauchent dans le temps.

La première étape de notre processus est d'identifier et de suivre les outils et les professionnels pertinents, comme le réanimateur avec masque et les capteurs de rythme cardiaque. Après avoir détecté les objets, l'étape suivante consistera à reconnaître les activités se déroulant avec ces objets.

#Collecte de données

Les données utilisées dans cette étude proviennent de vidéos réelles de réanimation des nouveau-nés. Ces vidéos présentent divers problèmes de qualité, comme un éclairage médiocre, des angles de caméra et des mises au point défaillantes. Différents types et réglages de caméra créent des variations supplémentaires qui peuvent influencer l'analyse. Au total, près de 500 vidéos ont été collectées, ainsi que des données physiologiques sur les nouveau-nés.

Les défis liés aux séquences vidéo incluent le flou de mouvement, l'occlusion, et les faibles fréquences d'images, rendant difficile l'extraction d'informations claires sur ce qui se passe. Pour l'analyse, on vise à développer des timelines d'activités claires. Ces timelines documenteront des actions comme la ventilation, l'aspiration, et la stimulation du bébé.

#Détection d'objets

Un bon système de détection et de suivi des objets est crucial pour comprendre les activités réalisées pendant la réanimation. On utilise un modèle de détection d'objets bien connu appelé YOLOv3, qui est rapide et précis, idéal pour analyser des vidéos en temps réel.

Pour améliorer les performances, on utilise un mélange d'images vidéo réelles et de données synthétiques pour entraîner notre système de détection. En générant des images synthétiques qui reflètent les défis rencontrés dans les vidéos réelles, on crée un ensemble de données d'entraînement robuste. On s'assure que notre modèle est formé pour reconnaître des objets dans ces conditions difficiles.

#Résultats

Nos premiers tests montrent des résultats prometteurs. Pendant les activités de réanimation, on mesure l'efficacité de la détection d'objets. Le système fonctionne bien, atteignant une précision de 97 % pour la détection des ventilations avec masque, 100 % pour l'attachement ou le retrait des capteurs de rythme cardiaque, et 75 % pour l'aspiration.

De plus, le système peut estimer le nombre de professionnels de santé présents lors de la réanimation. La détection des mains des professionnels de santé atteint une précision de 71 %. Cependant, la performance varie en fonction du nombre de professionnels présents, étant plus efficace quand il y en a peu et ayant du mal quand il y a beaucoup de monde.

#Discussion

L'analyse des vidéos de réanimation des nouveau-nés peut bénéficier énormément d'un système automatique qui suit les objets et détecte les activités. Une meilleure détection des objets peut mener à une meilleure compréhension des étapes réalisées pendant la réanimation, permettant aux professionnels de santé de prendre des décisions éclairées sur leurs pratiques.

Il y a quelques limitations au système actuel. Par exemple, détecter les dispositifs d'aspiration peut être compliqué à cause de leur petite taille et de leur nature transparente. Dans les vidéos avec de faibles fréquences d'images ou des images floues, identifier ces outils devient encore plus difficile.

Pour les améliorations futures, on prévoit de peaufiner la détection des mains des professionnels de santé en différenciant entre les mains gauches et droites. Cela pourrait aider à améliorer le comptage des individus présents lors des activités de réanimation.

#Travaux futurs

Dans les prochaines étapes, on vise à développer un système complet qui peut fournir des retours en temps réel pendant la réanimation des nouveau-nés. L'objectif est de créer un outil que les professionnels de santé peuvent utiliser pour revoir et améliorer leurs pratiques. De plus, on continuera à explorer la combinaison de différents types de données pour mieux entraîner nos modèles de détection.

Il est aussi possible d'organiser des sessions de formation avec ce système. En fournissant des outils éducatifs qui intègrent des vidéos réelles, les travailleurs de santé dans des contextes à faibles ressources peuvent apprendre à partir des données collectées.

#Conclusion

Le travail réalisé dans le cadre du projet Safer Births vise à améliorer la compréhension et les pratiques en réanimation des nouveau-nés. En se concentrant sur la détection précise d'objets et la reconnaissance d'activités, on peut fournir des informations précieuses sur la manière dont les actions de réanimation influencent les résultats pour les nouveau-nés.

Il y a un grand potentiel pour la recherche dans ce domaine, alors que les améliorations des technologies et des méthodes de collecte de données continuent. Cette recherche éclaire non seulement les pratiques actuelles, mais prépare aussi le terrain pour de futures améliorations dans les soins de santé pour les nouveau-nés.

L'objectif ultime est de sauver des vies en s'assurant que les professionnels de santé disposent des meilleurs outils et connaissances disponibles pendant ces moments critiques. En tirant parti des données collectées dans des situations réelles, on peut transformer la compréhension et améliorer les résultats en santé des nouveau-nés.