Détection veille-sommeil à partir de dispositifs portés sur la jambe via une fusion profonde de capteurs

Pourquoi un meilleur suivi du sommeil est important

De nombreuses familles connaissent les batailles au coucher, les nuits agitées et les réveils ensommeillés — en particulier lorsqu’un enfant souffre de trouble déficitaire de l’attention avec hyperactivité (TDAH). Un mauvais sommeil peut aggraver l’inattention, l’hyperactivité et l’humeur, pourtant les outils dont disposent les médecins pour mesurer le sommeil sont souvent soit trop complexes pour un usage quotidien, soit trop grossiers pour saisir les détails. Cette étude explore une nouvelle façon de surveiller le sommeil des enfants à domicile en utilisant un bandeau souple porté sur la jambe et des techniques informatiques avancées pour interpréter ses signaux.

Des fils du laboratoire à de simples bandes pour la jambe

La référence actuelle pour mesurer le sommeil, appelée polysomnographie, exige une nuit en laboratoire reliée à de nombreux fils qui enregistrent l’activité cérébrale, la respiration et les mouvements. Si elle est puissante, cette configuration est coûteuse, contraignante et peut ne pas refléter la façon dont un enfant dort à la maison. À l’inverse, les appareils populaires portés au poignet détectent principalement le mouvement et peuvent manquer des changements subtils de respiration, du rythme cardiaque ou des mouvements des jambes qui fragmentent le sommeil. Ce décalage est particulièrement important chez les enfants atteints de TDAH, qui présentent souvent des jambes agitées, de fréquents micro-réveils et des heures de coucher tardives que les trackers standard ne captent pas bien.

Un regard plus attentif sur les jambes

L’équipe de recherche s’est appuyée sur des travaux antérieurs avec un dispositif appelé RestEaze, une bande confortable portée sur la jambe qui enregistre discrètement plusieurs types de signaux toute la nuit. De minuscules capteurs mesurent comment la jambe se déplace en trois dimensions, comment elle se tord et pivote, la température de la peau et des variations de flux sanguin reflétant l’activité cardiaque. Dans cette étude, 14 enfants évalués pour un TDAH ont porté RestEaze sur les deux jambes pendant des études du sommeil nocturnes qui enregistraient aussi l’activité cérébrale. Des experts ont étiqueté chaque minute comme sommeil ou éveil en se basant sur les enregistrements cérébraux, fournissant aux chercheurs une référence fiable pour comparer les données de la bande de jambe.

Apprendre aux ordinateurs à lire la nuit

Plutôt que de fabriquer à la main des résumés simples des signaux, l’équipe a entraîné des modèles d’apprentissage profond — des algorithmes capables de découvrir des motifs utiles directement à partir des données brutes. Ils ont testé deux façons de combiner l’information provenant des quatre capteurs. Dans l’approche dite « fusion précoce », tous les signaux sont mélangés d’abord puis introduits dans un seul modèle. Dans l’approche « fusion tardive », chaque type de capteur est traité dans sa propre voie avant que les résultats ne soient fusionnés pour une décision finale. Le modèle en fusion tardive, qui permet efficacement au mouvement, au pouls et à la température de « s’exprimer » avant de voter, s’est avéré le plus précis et le plus cohérent entre les enfants.

Donner du sens aux nuits agitées

Le modèle le plus performant a pu distinguer le sommeil de l’éveil avec une grande fiabilité, même si les périodes de sommeil étaient environ cinq fois plus fréquentes que les périodes d’éveil dans les données. À partir de ses décisions minute par minute, les chercheurs ont calculé des mesures cliniques familières comme la durée totale de sommeil, le temps d’endormissement, le temps passé éveillé après le début du sommeil et l’efficacité globale du sommeil. Initialement, le modèle avait tendance à fragmenter la nuit en trop nombreux micro-réveils. Pour corriger cela, l’équipe a ajouté une simple étape de lissage qui examinait les minutes voisines dans le temps et corrigeait les clignotements isolés d’éveil ou de sommeil peu plausibles. Cet ajustement a rapproché les estimations du modèle des résultats du laboratoire sans masquer des périodes significatives d’agitation.

Ce que signifient les résultats pour les familles

En termes pratiques, l’étude montre qu’une petite bande portée sur la jambe, combinée à des méthodes modernes de reconnaissance de formes, peut suivre si un enfant dort ou est éveillé presque aussi bien qu’une étude complète du sommeil, du moins dans ce groupe d’enfants avec TDAH. Les capteurs de mouvement sur la jambe ont porté la charge principale, tandis que le pouls et la température apportaient un contexte utile. Bien que la recherche ait impliqué un nombre modeste de participants et se soit concentrée sur un groupe clinique spécifique, elle ouvre la voie à un avenir où les enfants pourraient être surveillés confortablement à domicile pendant de nombreuses nuits. Cette perspective à long terme pourrait aider cliniciens et parents à détecter plus tôt les troubles du sommeil, à comprendre l’effet des traitements et à adapter les soins aux rythmes de sommeil propres à chaque enfant.

Citation: Anwar, Y., Bansal, K., Kucukosmanoglu, M. et al. Sleep awake detection from leg-worn wearables using deep sensor fusion. Sci Rep 16, 9930 (2026). https://doi.org/10.1038/s41598-026-42310-8

Mots-clés: surveillance du sommeil, TDAH, capteurs portables, apprentissage profond, mouvements de la jambe