Analyse vidéo assistée par IA du test de Trendelenburg : étude de faisabilité

Observer comment nous tenons sur une jambe

De nombreux problèmes de hanche et de genou se manifestent dans des gestes simples du quotidien, comme se tenir sur une jambe pour enfiler une chaussette. Les médecins utilisent souvent un examen rapide au chevet, le test de Trendelenburg, pour évaluer le fonctionnement des muscles autour de la hanche. Mais ce test est en général jugé à l’œil nu, ce qui peut faire manquer des anomalies subtiles. Cette étude examine si une vidéo ordinaire prise au smartphone, associée à l’intelligence artificielle (IA), peut transformer ce test simple en une mesure objective et chiffrée susceptible d’améliorer le diagnostic et la rééducation.

Un test simple avec une complexité cachée

Lors du test de Trendelenburg, une personne se tient sur une jambe en soulevant l’autre, un peu comme une marche au ralenti. Classiquement, une chute visible du côté soulevé du bassin est interprétée comme un signe de faiblesse des muscles de la hanche du côté porteur. Toutefois, les patients peuvent compenser en inclinant le tronc vers la jambe d’appui, ce qui masque la chute du bassin et peut tromper l’examinateur. De plus, le comportement du genou pendant la manœuvre peut modifier la façon dont les forces se transmettent dans la jambe et potentiellement influencer l’usure articulaire à long terme. Tout cela rend le test plus complexe qu’il n’y paraît au premier abord.

Transformer la vidéo clinique en angles mesurables

Les chercheurs ont mis en place un système pratique pouvant s’intégrer dans une clinique d’orthopédie chargée. Douze adultes présentant des problèmes de hanche ont participé : sept avaient subi une prothèse totale de hanche et cinq avaient des douleurs de hanche sans prothèse. Chaque personne a été filmée par l’arrière avec un seul smartphone fixé sur un trépied pendant l’exécution du test de Trendelenburg sur chaque jambe. Une application de motion tracking sans marqueurs, basée sur l’IA, a identifié automatiquement des points clés du corps à partir de la vidéo. À partir de ces points, l’équipe a mesuré trois paramètres : la stabilité du bassin, l’inclinaison du tronc vers un côté et la variation de l’angle du genou entre la position bipodale et la position unipodale. L’ensemble du processus — enregistrement et analyse — a pris une médiane d’environ trois minutes et demie par patient, et toutes les vidéos étaient exploitables.

Comment les personnes compensent réellement

Les mesures ont montré que de grandes chutes du bassin étaient en réalité rares. Globalement, le bassin restait proche de l’horizontal quand les personnes se stabilisaient sur une jambe. Ce qui ressortait plutôt, c’était l’inclinaison du tronc. Beaucoup de patients, en particulier ceux porteurs d’une prothèse, inclinaient le haut du corps vers la jambe d’appui, une stratégie qui peut réduire la charge sur des muscles de la hanche affaiblis. La moitié des participants, et cinq des sept patients avec une prothèse, présentaient une inclinaison du tronc au‑delà d’un seuil conservateur utilisé dans des études antérieures. Des modifications au niveau du genou étaient également fréquentes : deux tiers des patients montraient au moins un déplacement de trois degrés au genou en vue de face, ce qui suggère que la façon dont la hanche compense une faiblesse peut redistribuer les forces plus bas dans la jambe.

Ce que les chiffres peuvent apporter aux cliniciens

En quantifiant l’inclinaison du bassin, celle du tronc et l’alignement du genou, l’approche assistée par IA dépasse le simple classement binaire du test de Trendelenburg. Plutôt que de se contenter d’un résultat positif ou négatif, les cliniciens pourraient documenter précisément de combien de degrés le tronc s’incline ou le bassin bascule, et suivre ces valeurs au fil du temps pendant la récupération post‑opératoire ou la rééducation. Parce que le système utilise un smartphone ordinaire et une application disponible dans le commerce, il pourrait être largement adopté si sa précision est suffisante. L’étude n’a pas comparé l’exactitude avec des systèmes de laboratoire haut de gamme ni inclus de volontaires sains, aussi ses résultats doivent‑ils être considérés comme une preuve de faisabilité plutôt que comme un remplacement des outils de référence.

De la faisabilité à la pratique courante

Concrètement, cette recherche montre qu’une rapide vidéo prise au smartphone peut capturer des déplacements subtils de l’équilibre sur une jambe — des informations difficiles à quantifier à l’œil nu. Les patients porteurs d’une prothèse de hanche, en particulier, maintiennent souvent un bassin horizontal en inclinant le tronc et en modifiant l’alignement du genou, plutôt qu’en provoquant une chute visible du bassin. Avec des tests supplémentaires sur des échantillons plus larges et plus variés, et des comparaisons avec des systèmes 3D avancés, ce dispositif simple pourrait évoluer vers un outil pratique pour surveiller la fonction de la hanche et guider une rééducation plus sûre et plus efficace en clinique courante.

Citation: O’Sullivan, K., Doyle, T., Quinn, E. et al. AI-assisted video analysis of the Trendelenburg test: a feasibility study. Sci Rep 16, 7733 (2026). https://doi.org/10.1038/s41598-026-38980-z

Mots-clés: faiblesse des abducteurs de la hanche, test de Trendelenburg, analyse du mouvement par IA, prothèse totale de la hanche, évaluation de la marche