Chef(s) de projet: Armando Torre
Problème
La malnutrition chronique peut affecter gravement les enfants, entraînant des conséquences pour la vie si elle n’est pas prévenue à temps.
En 2012, on estimait que 20 % des enfants de moins de cinq ans au Pérou souffraient de malnutrition.
Pour prévenir la malnutrition, le dépistage et la surveillance de l’état nutritionnel sont primordiaux. Cependant, ils ne sont pas effectués régulièrement et sont sujets à des erreurs de mesure.
Solution
Le but de ce projet était de développer un système d’évaluation nutritionnelle automatisé, basé sur l’analyse d’images numériques prises avec un téléphone ou une tablette mobile.
Ce système se compose d’une application mobile sur Android et d’une application Web.
L’application mobile est utilisée pour recueillir des données et capter une série d’images des parties du corps, qui sont ensuite traitées en utilisant des techniques de traitement d’image pour obtenir des données anthropométriques. Ces données, ainsi que le sexe et l’âge de l’enfant, sont soumis à un réseau de neurones pour déterminer l’état nutritionnel de l’enfant, sur la base des scores Z des trois indicateurs les plus couramment utilisés : les rapports poids-âge (P/A), taille-âge (T/A) et poids-taille (P/T).
Les résultats sont envoyés à l’application Web, afin de mémoriser, analyser et visualiser les données.
Au total, 313 enfants de moins de cinq ans ont été recrutés pour l’étude dans 11 écoles publiques et privées des districts de San Juan de Lurigancho, Los Olivos, Callao et San Borja.
Les images ont été utilisées dans deux processus différents. Les images des 49 premiers enfants ont aidé à déterminer les traits morphologiques, le nombre d’images, la méthodologie d’acquisition d’images et les techniques d’amélioration de l’image à employer. Les images des 264 autres enfants ont été utilisées pour évaluer les mesures anthropométriques basées sur l’image et pour l’entraînement des réseaux neuronaux.
Résultat
L’équipe a réussi à développer un prototype de système de dépistage et de suivi de l’état nutritionnel des enfants de moins de cinq ans, et a également monté ce système sur un appareil Android abordable.
L’indicateur T/A a montré une faible valeur moyenne quadratique (MQ), soit 0,52, mais d’autres mesures n’étaient pas très élevées, peut-être à cause de la répartition inégale des classes dans l’échantillon (sensibilité de 66,7 %, spécificité de 88,9 % et précision globale de 96,6 %).
L’indicateur P/A affichait de meilleurs résultats que les autres indices, principalement parce que, dans l’ensemble de données, les échantillons n’avaient que deux classes, normales et en surpoids (MQ de 0,49, sensibilité de 100 %, spécificité de 100 % et précision globale de 100 %).
Le dernier indicateur, P/T, a montré des résultats légèrement meilleurs que l’indicateur T/A, en raison de la répartition plus équilibrée des classes dans l’ensemble de données et de l’absence de cas d’émaciation modérée et sévère (MQ de 0,58, sensibilité de 84,1 %, spécificité de 92,3 % et précision globale de 86,2 %).
Les résultats indiquent que ce système d’évaluation nutritionnelle pourrait aider les programmes de santé publique à détecter en temps opportun les changements de poids chez les enfants en obtenant des résultats précis pour l’indicateur P/A. Bien que la sensibilité et la spécificité des indicateurs T/A et P/T soient d’environ 80 %, la précision globale était supérieure à 85 %.
Un plus grand échantillon d’enfants de moins de trois ans est jugée nécessaire afin de générer des systèmes spécifiques de réseaux neuronaux pour estimer les valeurs des scores Z de chaque groupe d’âge.
L’équipe de recherche n’a pas encore décidé si elle présentera une demande de financement de déploiement à l’échelle.