Une simple mesure au bout du doigt pour qualifier les troubles du sommeil ?

Un capteur d’oxymétrie, couplé à un algorithme développé par une méthode d’intelligence artificielle, pourrait être utilisé à domicile pour simplifier l’exploration diagnostique du sommeil.

Afin d’étiqueter la maladie qui se cache derrière des troubles du sommeil, il est souvent indispensable d’analyser précisément le déroulement et la fragmentation de la nuit. La polysomnographie est l’examen clé qui est alors utilisé. Il s’agit d’enregistrer l’activité cérébrale (électroencéphalogramme), musculaire (électromyogramme) et oculaire (électrooculogramme) au cours d’une nuit : l’ensemble de ces données permet d’établir un tracé détaillé des phases de sommeil et d’éveil que l’on appelle hypnogramme. Mais les troubles du sommeil sont en hausse constante en France, qu’ils soient liés à une mauvaise hygiène de vie ou de coucher, à des maladies comme les apnées ou la narcolepsie, ou encore à des comorbidités (Maladies associées à une pathologie principale.) comme certaines pathologies neurologiques. Aussi, les services spécialisés saturent, et les délais pour établir un diagnostic s’allongent. Il devient donc crucial de disposer de solutions d’exploration simples, fiables et utilisables à domicile. 

Cet objectif est au cœur de la chaire d’intelligence artificielle Sleep-IA de l’Institut interdisciplinaire d’intelligence artificielle (cluster MIAI) de l’université Grenoble Alpes, dirigée par Jean-Louis Pépin. Le chercheur et ses collaborateurs utilisent l’intelligence artificielle pour développer des dispositifs et des méthodes d’analyse plus simples que la polysomnographie, mais tout aussi précises, sensibles et spécifiques. Avec Matias Rusanen, postdoctorant spécialisé dans l’apprentissage profond (Forme d’IA qui s’inspire de l’organisation du cerveau humain en s’appuyant sur des réseaux de neurones artificiels, disposés en multiples couches, et qui permet de résoudre des tâches complexes.) (deep learning), il vient de publier une étude qui prouve qu’un simple oxymètre placé au bout du doigt permet de décrire précisément le déroulement d’une nuit de sommeil à la seconde près, avec une performance comparable à l’électroencéphalogramme. Ce capteur, bien connu de ceux qui ont déjà séjourné à l’hôpital, est une petite pince émettant une lumière infrarouge qu’on positionne sur l’index d’un patient pour enregistrer le taux d’oxygène dans son sang. Mais cet appareil enregistre aussi les variations du flux sanguin – on parle de photopléthysmographie – et indirectement celles de la pression artérielle et de la fréquence cardiaque qui varient selon que l’on est éveillé ou endormi, en sommeil profond ou en train de rêver.

Vers une description de plus en plus précise

Comment un enregistrement aussi simple peut-il rivaliser avec les données de plusieurs capteurs d’ondes cérébrales ? « Pour caractériser l’hypnogramme, la démarche conventionnelle est de découper arbitrairement l’électroencéphalogramme en période de 30 secondes, appelées “époques”. Et si vous passez 16 secondes éveillé et 14 secondes en sommeil léger, toute l’époque est comptabilisée comme éveil, explique Jean-Louis Pépin. On perd ainsi en finesse et en sensibilité d’analyse de la continuité du sommeil. » C’est là qu’intervient l’intelligence artificielle et sa redoutable précision. Matias Rusanen a entraîné un algorithme capable de rapprocher les données d’électroencéphalographie et celles de photopléthysmographie seconde après seconde. Ce travail a permis d’établir la probabilité qu’un patient soit dans telle ou telle phase de sommeil à chaque instant de l’enregistrement réalisé avec un oxymètre. Mieux : ces probabilités mises bout à bout donnent des diagrammes colorés dits d’hypnodensité, mieux corrélés avec la fatigue et la somnolence diurne déclarées par les patients que l’analyse d’électroencéphalogramme par période de 30 secondes.

Les avantages associés à cette approche sont nombreux. Le premier est sa simplicité de mise en œuvre. Facilement utilisable à domicile, la photopléthysmographie associée à l’algorithme pourrait être déployée sur plusieurs nuits d’affilée et offrir ainsi une image plus précise de la variabilité du sommeil qu’une polysomnographie généralement menée une seule nuit. Un deuxième avantage est la sensibilité : « Avec cette approche, on peut repérer des microévènements qui disparaissent lorsque l’on qualifie une période de 30 secondes selon l’évènement majoritaire observé », souligne Jean-Louis Pépin. Ainsi, certains patients qui semblaient avoir un hypnogramme « normal » pourraient voir leur plainte mieux caractérisée.

Finalement, un diagramme d’hypnodensité semble très représentatif du trouble du sommeil correspondant : si l’algorithme développé pour générer ces diagrammes est pour l’instant validé sur une cohorte principalement constituée de personnes atteintes d’apnées du sommeil, l’équipe grenobloise est en train de confirmer ces premiers résultats chez des sujets sains. Elle conduira ensuite le même travail auprès d’autres patients, afin de disposer de diagrammes types pour chaque trouble du sommeil.

Jean-Louis Pépin est praticien hospitalier au CHU Grenoble, professeur à l’université Grenoble Alpes et chercheur au laboratoire Hypoxie (Diminution de la quantité d’oxygène apportée aux tissus.) et physiopathologies cardiovasculaires et respiratoires (HP2, unité 1300 Inserm/Université Grenoble Alpes) à La Tronche.

Source : M. Rusanen et coll. Hypnodensity sleep metrics from fingertip photoplethysmography are better associated with daytime sleepiness and fatigue than traditional metrics from polysomnography. Pulmonology, 12 juin 2026, doi : 10.1080/25310429.2026.2683326

Autrice : C.G.

À lire aussi

Sommeil 

Les humains passent près d’un tiers de leur vie à dormir et il est…

Insomnie 

L’insomnie correspond à un déficit involontaire de sommeil. Il s’agit d’une pathologie complexe qui…

Neurosciences : Une sieste créative 

Reportages en labo