Comparaison d’un dispositif de reconnaissance automatique d’image avec la pesée manuelle pour estimer la consommation de plats en vie réelle à l’hôpital

Introduction et but de l’étude

La mesure des ingesta en diététique et nutrition clinique est nécessaire, mais, rarement réalisée car particulièrement chronophage. Le développement de méthodes innovantes à partir d’algorithme d’intelligence artificielle ouvrent de nouvelles opportunités pour cette mesure. L’objectif de cette étude était d’évaluer un prototype développé par une start-up dédié à la mesure automatique des ingesta en milieu hospitalier.

Matériel et méthodes

Les plats principaux de menus standards d’un centre hospitalier universitaire ont été photographiés grâce à un dispositif basé sur la reconnaissance automatique d’image via des algorithmes de type apprentissage supervisé. Ce dispositif est composé d’une caméra 2D et d’une caméra 3D permettant la prise d’image avec une vue du dessus. La capture a une durée de 0,8 à 1 seconde et l’analyse a une durée de 1 à 1,2 secondes. Trois campagnes de captures d’images, soit 607 photographies, ont été réalisées sur six plats différents. Les images de la première campagne ont été annotées et utilisées afin d’entraîner les algorithmes. Les algorithmes développés ont ensuite été testés prospectivement sur la campagne 2 et optimisés sur la campagne 3. Ces algorithmes permettent de calculer le volume des aliments et d’en déduire leur masse grâce à la détermination de la masse volumique de chaque aliment. Les plats ont été photographiés en pré-consommation (plats témoins) et après consommation par des patients du service. En parallèle, un expérimentateur diététicien a pesé chaque composante du plat (part protidique, légumes et féculents). La méthode manuelle et le dispositif innovant ont été comparés par la méthode de Bland et Altman.

Résultats et analyses statistiques

83 plats pré-consommation et 524 plats après consommation par les patients ont été photographiés et pesés. Du fait de la composition du plat principal, le nombre d’image par composante est différent : 219 images de féculents ont pu être analysées et comparées à la pesée, 113 pour la part protidique et 35 pour les légumes. Pour les féculents, la différence entre la méthode manuelle et le dispositif innovant était de –12 g. La limite de concordance à 95 % était de –60 g à 36 g. Pour la part protidique, la différence entre la méthode manuelle et le dispositif innovant était de 1 g (IC 95 % : –45 g à 48 g). Pour les légumes, la différence entre la méthode manuelle et le dispositif innovant était de –14 g (IC 95 % : –56 g à 27 g). Les résultats de l’analyse permettent de conclure à la présence d’hétéroscédasticité des mesures.

Conclusion

Les résultats montrent une tendance à la sur-estimation de la méthode innovante pour les féculents et les légumes. Il y a très peu de différence pour la part protidique. Les différences observées peuvent s’expliquer par la superposition des aliments entre eux ou sur les rebords de la barquette. La précision de cette technologie en vie réelle est acceptable. L’une des limites de l’étude est la réalisation des pesées manuelles par un seul opérateur. La prochaine étape du développement est d’enrichir la base de données avec d’autres plats.