Approche multidimensionnelle de la prévention, du diagnostic et du suivi de la blessure au genou du sportif
Auteur / Autrice : | Clément Lipps Léné |
Direction : | Thierry Weissland, Julien Frère |
Type : | Thèse de doctorat |
Discipline(s) : | Automatique, Productique, Signal et Image, Ingénierie cognitique |
Date : | Soutenance le 29/11/2024 |
Etablissement(s) : | Bordeaux |
Ecole(s) doctorale(s) : | École doctorale des sciences physiques et de l'ingénieur |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de l'intégration du matériau au système (Talence, Gironde) |
Jury : | Président / Présidente : Emilie Simoneau |
Examinateurs / Examinatrices : Olivier Buttelli, Julien Morlier | |
Rapporteurs / Rapporteuses : Emilie Simoneau, Pascal Édouard |
Mots clés
Résumé
Les blessures du genou constituent les pathologies du membre inférieur les plus fréquentes dans la pratique sportive compétitive ou de loisir. Les suites post-traumatismes conduisent à des baisses de performances et à des arrêts de pratique. Par ailleurs, bien que des recommandations précises existent en matière de prévention, le taux de récidive avec rupture de la plastie ligamentaire ou d’une lésion controlatérale, reste très élevé. Le traitement de ces blessures représente donc un enjeu important en matière de retour à la pratique sportive et en coût de santé publique. A partir d’une plateforme expérimentale en réseau développée entre les universités de Bordeaux, Grenoble et Marseille, et rassemblant des compétences complémentaires en matière d’analyse du mouvement, de traitement du signal et de modélisation mathématique, ce projet de thèse visait à améliorer la prévention des blessures du genou, au travers d’une approche multifactorielle. En s’appuyant sur une base de donnée de 96 individus construite durant le doctorat, nous avons fait l’hypothèse que la prise en compte de données multifactorielles relatives à la blessure (données biomécaniques et psychologiques) et leur intégration dans un modèle basé sur des algorithmes d’intelligence artificielle permettra de mieux suivre l’évolution de la blessure et sa récupération au cours du temps, afin de déterminer en particulier la période optimale pour la reprise de la pratique sportive. La première étude réalisée a permis de mettre en évidence la reproductibilité des données issues des tests réalisés. La seconde étude a permis de montrer qu’il était possible de classer, à partir d’un modèle d’intelligence artificielle et de données biomécaniques et psychologiques, des individus en fonction de leurs antécédents de blessure au genou. Enfin la troisième étude a montré qu’utiliser l’ensemble des points de mesure plutôt que des variables caractéristiques permettaient aux modèles d’intelligence artificielle d’obtenir de meilleures performances. Ainsi, l’ensemble de ces travaux met en évidence la capacité prédictive des mesures effectuées lors du protocole pour reconnaître des séquelles de blessure au genou. Enfin, l’utilisation d’algorithmes d’interprétabilité a permis dans les seconde et troisième étude d’identifier les variables fonctionnelles qui ont le plus influencé le modèle pour classer les individus. Ainsi, ce travail permet d’optimiser le moment du retour au sport ainsi que le processus de rééducation grâce à la reconnaissance de présence de séquelles de blessure au genou chez les individus et à l’identification de variables fonctionnelles à travailler en priorité.