Analyse des bruits respiratoires dans un modèle de trachéomalacie chez le lapin

Pourquoi écouter la respiration compte

Les médecins diagnostiquent en général les problèmes respiratoires graves, comme une trachée affaissée, à l’aide d’imageries et de petites caméras introduites dans les voies aériennes. Ces examens peuvent être stressants, en particulier pour les bébés et les jeunes enfants, et ne sont pas toujours faciles à répéter. Cette étude examine si l’écoute attentive des bruits respiratoires, combinée à des analyses informatiques modernes, pourrait offrir une méthode douce et non invasive pour détecter lorsqu’une trachée est trop molle et sujette à l’effondrement.

Quand la trachée devient molle

La trachéomalacie est une affection dans laquelle la trachée perd sa rigidité et a tendance à se rétrécir ou à s’effondrer pendant la respiration. Les personnes atteintes peuvent présenter une respiration bruyante, un essoufflement et, dans les cas sévères, des épisodes brefs d’apnée. Aujourd’hui, les médecins s’appuient sur les radiographies, les tomodensitométries et la bronchoscopie — l’introduction d’un endoscope dans les voies aériennes — pour confirmer le diagnostic. Ces méthodes exposent les patients aux rayonnements, nécessitent une sédation et comportent certains risques, ce qui est particulièrement préoccupant chez les nouveau-nés et les nourrissons fragiles.

Construire un substitut sûr pour les nourrissons malades

Parce qu’il serait contraire à l’éthique d’expérimenter directement sur des nourrissons, les chercheurs ont créé un modèle animal contrôlé qui imite les voies aériennes d’un jeune enfant. Ils ont opéré cinq lapins, en retirant soigneusement une partie des anneaux cartilagineux qui maintiennent normalement la trachée ouverte. Cela a produit une voie aérienne affaiblie qui s’élargissait à l’inspiration et se rétrécissait à l’expiration, ressemblant de près à une forme majeure de trachéomalacie. À l’aide d’une tête de stéthoscope clinique et d’un dispositif d’enregistrement standardisé placé sur le cou et la poitrine, ils ont capturé les bruits respiratoires tout en mesurant la pression à l’intérieur des voies aériennes, garantissant que les changements sonores reflétaient réellement les variations du flux d’air et de la géométrie des voies aériennes.

Transformer les souffles en données

L’équipe s’est concentrée sur la phase d’expiration, où les sons étaient les plus forts et les plus constants. Ils ont utilisé une boîte à outils d’analyse audio largement adoptée pour découper chaque expiration en tranches très courtes et décrire chacune d’elles à l’aide de milliers de mesures simples, comme l’intensité sonore, la répartition de la hauteur et du timbre dans les fréquences, et la façon dont ces propriétés évoluaient dans le temps. Pour chaque souffle, ils ont extrait 6 373 de ces caractéristiques, puis les ont réduites à 51 qui différaient de façon fiable entre trachées saines et molles dans au moins quatre des cinq lapins. Ces caractéristiques ont servi de matière première pour les programmes informatiques conçus pour distinguer les deux états.

Apprendre aux ordinateurs à détecter un problème

Trois types de modèles d’apprentissage automatique ont été testés : régression logistique, machines à vecteurs de support et une méthode moderne basée sur les arbres appelée LightGBM. Pour éviter toute « tricherie », les chercheurs ont groupé les données par lapin et par condition des voies aériennes, s’assurant que des souffles provenant d’une même situation ne se retrouvent pas à la fois dans les ensembles d’entraînement et de test. Tous les modèles ont obtenu des performances raisonnables, mais LightGBM s’est distingué. Sa capacité à différencier les voies normales des voies affaiblies a atteint un niveau d’exactitude considéré comme solide en statistiques médicales : l’aire sous la courbe était supérieure à 0,78 pour un souffle unique et supérieure à 0,80 lorsque les décisions étaient moyennées par lapin. Les caractéristiques les plus importantes étaient des composantes basse fréquence de ce que l’on appelle les coefficients cepstraux en échelle de Mel, des outils empruntés à la reconnaissance vocale particulièrement efficaces pour capter la « forme » globale et les fluctuations subtiles d’un son.

Ce que révèlent les sons

L’importance de ces motifs basse fréquence suggère qu’une trachée qui s’effondre modifie le flux d’air dans la gorge de façons trop subtiles pour l’oreille humaine mais suffisamment claires pour des algorithmes. Même lorsque les bruits respiratoires ne contenaient pas de sifflements évidents, les modèles pouvaient détecter de légères distorsions de ton et de rythme signalant un rétrécissement des voies aériennes. Fait remarquable, cela a été obtenu en utilisant un équipement médical standard semblable à ce que les médecins emploient déjà pour l’écoute quotidienne, combiné à un traitement informatique relativement simple.

Des lapins de laboratoire aux services pédiatriques

Parce que les trachées de lapin sont proches en taille de celles des nouveau-nés, ce modèle offre un banc d’essai réaliste pour des outils destinés aux soins pédiatriques. Bien que l’étude n’ait utilisé que cinq animaux et qu’un seul type d’affaiblissement des voies aériennes ait été reproduit, elle jette des bases cruciales. Les résultats montrent que des enregistrements sonores non invasifs, associés à l’apprentissage automatique, peuvent signaler de manière fiable une trachée molle sans recourir aux rayons ou aux endoscopes. Avec des études plus larges et des essais chez l’homme, cette approche pourrait évoluer vers un outil de dépistage au chevet qui aide les médecins à décider quels enfants ont réellement besoin d’examens invasifs — et lesquels peuvent être surveillés en toute sécurité à l’aide de rien de plus qu’un « stéthoscope intelligent » sensible.

Citation: Ismael, A.C., Omiya, Y., Higuchi, M. et al. Respiratory sound analysis in a rabbit tracheomalacia model. Sci Rep 16, 12249 (2026). https://doi.org/10.1038/s41598-026-42275-8

Mots-clés: trachéomalacie, bruits respiratoires, apprentissage automatique, diagnostic non invasif, voies aériennes pédiatriques