Approche multidimensionnelle de la prévention, du diagnostic et du suivi de la blessure au genou du sportif

Multidimensional approach to the prevention, diagnosis and follow-up of knee injuries in athletes

• Auteur / Autrice : Clément Lipps lene
• Direction : Thierry Weissland, Julien Frere
• Type : Projet de thèse
• Discipline(s) : Automatique, Productique, Signal et Image, Ingénierie cognitique
• Date : Inscription en doctorat le 02/11/2021
• 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
• Partenaire(s) de recherche : Equipe de recherche : Performance Motrice Humaine Dynamique des Systèmes Complexes de contrôle (PMH_DySCo)

Mots clés

Mots clés libres

Intelligence artificielle

Biomécanique

Blessure au genou

Réhabilitation

Artificial intelligence

Biomecanics

Knee injuries

Rehabilitation

Résumé

Les blessures du genou, en particulier les entorses avec lésions méniscales, les syndromes rotuliens et les lésions ligamentaires (en particulier du ligament croisé antéro-externe) constituent les pathologies traumatiques les plus fréquentes dans la pratique sportive compétitive ou de loisir et sont potentiellement plus élevées chez les femmes. Le traitement de ces blessures représente donc un enjeu important en matière de retour à la pratique sportive et en coût de santé publique. Les suites post traumatismes (examens, traitements conservateurs ou chirurgicaux, médications, rééducation intensive) conduisent généralement à des baisses durables de la performance, à des pertes de temps d'entraînement et/ou à des arrêts de travail prolongés. 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. 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 (cinématique, cinétique, EMG, accélérations angulaires) et de modélisation mathématique, ce projet de thèse vise à améliorer la prévention des blessures du genou, au travers d'une approche multifactorielle. En s'appuyant sur une large base de données, partiellement existante et devant être progressivement enrichie au cours du travail de doctorat, nous faisons l'hypothèse que la prise en compte de données multifactorielles relatives à la blessure (tableau clinique, mesures force-vitesse, EMG, et données psychologiques) et leur intégration dans un modèle mathématique basé sur des algorithmes d'intelligence artificielle permettra de mieux prédire, 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.

Knee injuries, in particular sprains with meniscal lesions, patellar syndromes and ligament injuries (in particular of the anterolateral cruciate ligament) constitute the most frequent traumatic pathologies in competitive or leisure sports and are potentially higher in women. The treatment of these injuries therefore represents an important issue in terms of return to sport and public health costs. The post traumas (examinations, conservative or surgical treatments, medication, intensive rehabilitation) generally lead to lasting decreases in performance, loss of training time and/or prolonged work stoppages. Moreover, although precise recommendations exist for prevention, the rate of recurrence with rupture of the ligament plasty or of a contralateral injury remains very high. Based on a networked experimental platform developed between the universities of Bordeaux, Grenoble and Marseille, and gathering complementary skills in motion analysis, signal processing (kinematics, EMG, angular accelerations) and mathematical modeling, this thesis project aims at improving the prevention of knee injuries, through a multifactorial approach. Based on a large database, partially existing and to be progressively enriched during the doctoral work, we hypothesize that taking into account multifactorial data related to the injury (clinical picture, force-velocity measurements, EMG, and psychological data) and integrating them into a mathematical model based on artificial intelligence algorithms will allow to better predict, follow the evolution of the injury and its recovery over time, in order to determine in particular the optimal period for the resumption of the sport practice.