Proposition de Thèse CIFRE HRV Simulation/Univ-Angers
Sujet de Thèse :
Conception et développement d'outils numériques pour la prise en charge de patients Huntington
Ecole Doctorale : Math-Stic (Université d’Angers)
Laboratoires d’accueil :
Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS) - EA 7315
Université d'Angers, 62 avenue Notre Dame du Lac 49000 ANGERS
Laboratoire de Psychologie des Pays de la Loire (LPPL) - EA 4638
Université d'Angers, 5 bis boulevard Lavoisier 49045 ANGERS
Directeur de Thèse : Paul RICHARD, paul.richard@univ-angers.fr
Co-directrice de thèse : Anne HEURTIER, anne.heutier@univ-angers.fr
Co-encadrante : Emmanuelle MENETRIER, emmanuelle.menetrier@univ-angers.fr
Mot clés : réalité virtuelle, maladies neurodégénératives, interactions sensori-motrices, cognition, rééducation, maladie de Huntington, home program
Contexte et enjeu du projet :
La rééducation est considérée comme l'action de rétablir l'usage d'une fonction, d'un membre ou d'un organe après une blessure ou une affection. Elle concerne également les personnes qui souffrent de déficiences motrices ou sensorielles chroniques ou d'une infirmité quelconque. La rééducation regroupe généralement des méthodes de développement et de récupération du système locomoteur (jambes) ou des membres supérieurs (bras et mains). La rééducation peut également impliquer des activités visant à améliorer le fonctionnement cognitif de patients atteints de lésions du système nerveux central (Lubrini et al., 2009). Elle permet alors de renforcer certaines capacités cognitives telles que l'attention, la mémoire, ou les fonctions exécutives grâce à la réalisation d'exercices répétés.
En l’absence de traitements curatifs des maladies neurologiques évolutives, les exercices physiques et la stimulation cognitive constituent aujourd’hui des axes pertinents pour la prise en charge et la réduction des symptômes comportementaux, cognitifs, et émotionnels (Mino et al., 2018 ; Borges-Machado et al., 2021 ; Saragih et al., 2022). Dans ce contexte, certains programmes préliminaires qui ont proposé de coupler exercices physiques et stimulation cognitive ont obtenu des résultats encourageants (Fabel et al., 2009 ; Law et al., 2014 ; Karssemeijer et al., 2019).
Les maladies génétiques rares à expressions cognitive et/ou motrice (maladie de Huntington, ataxies spino-cérébelleuses, maladie de Friedreich, maladies neurométaboliques de l'adulte, etc.) comptent parmi les maladies neurologiques évolutives, la maladie de Huntington (MH) étant probablement l’une des plus rapidement invalidantes sur le plan fonctionnel. Il s’agit d’une affection neurodégénérative du système nerveux central, rare et héréditaire. Elle se manifeste généralement vers 40-50 ans, ayant pour conséquence des troubles moteurs (mouvements choréiques, troubles de l’équilibre, troubles de la marche, etc.), cognitifs (fonctions exécutives, attention, mémoire de travail, etc.) et psychiatriques (dépression, apathie, irritabilité, anhédonie, comportement antisocial) qui s’aggravent progressivement jusqu’à la grabatisation et la détérioration intellectuelle et comportementale sévère.
A ce jour, seules quelques rares études ont montré la faisabilité et l’intérêt de la stimulation cognitive chez les patients avec MH pour ralentir le déclin cognitif, encourageant à d’autres essais (Sadeghi et al., 2017). Quelques rares études ont montré que les programmes d’activités physiques courts (8 à 16 semaines) étaient faisables, mais sans effets notables sur les symptômes moteurs liés à la maladie, invitant à des essais cliniques plus intensifs et plus longs (Playle et al., 2019). A ce jour, aucun travail n’a examiné les effets d’un programme de prise en charge durable, couplant exercices physiques et stimulation cognitive, sur la symptomatologie, l’autonomie fonctionnelle et la qualité de vie chez des patients atteints de la MH.
Ainsi, notre projet de recherche a pour objectif la conception et le développement d'outils numériques innovants permettant de coupler activités physiques et stimulation cognitive dans des environnements ludiques et évolutifs. Destinés à la prise en charge de patients atteints de la MH, ces outils pourront être déclinés et utilisés pour la prise en charge de patients atteints d'autres maladies neuro-dégénératives ou d'accidents vasculaires cérébraux (adultes et enfants).
Ce projet s'inscrit dans le cadre du réseau "Ingénierie et Santé" SAM (Sarthe-Anjou-Mayenne). Ce réseau implique des chercheurs de l'université d'Angers, de l'Université du Mans, et des praticiens hospitaliers des CHU d'Angers et des CH du Mans et de Laval (www.univlemans.fr/fr/innovation-partenariats/une-dynamique-territoriale/reseau-sam.html). Il fait suite au projet CoMoN, qui a permis d'initier une collaboration entre les laboratoires LARIS, LPPL (Université d'Angers), MIP (site de Le Mans Université) et le CHU d'Angers. Cette première collaboration a permis de développer deux prototypes.
Notons que ce projet contribue : a) à la stratégie nationale Sport Santé (2019-2024) visant à améliorer l’état de santé de la population en favorisant l’activité physique et sportive de chacun, au quotidien, avec ou sans pathologie ; b) à la logique des recommandations des autorités (Haute Autorité de Santé) encourageant la recherche sur les pratiques non médicamenteuses tenant compte des personnes et des contextes d’utilisation ; c) à la stratégie territoriale visant à développer un écosystème de soins en faveur du bien-être et de la qualité de vie des personnes vieillissantes (Silver-Vieillissement Angers Loire Métropole).
Depuis les années 2000, un grand nombre d'outils numériques ont été développés et évalués, tant dans les laboratoires de recherche français et étrangers que dans les centres de rééducation et de réadaptation. Les principaux avantages de cette approche sont : (1) une rééducation plus efficace grâce à une augmentation de la motivation (aspect ludique, défi à relever, etc.), (2) un accès à des données numériques (comportementales, physiologiques, etc.) à travers l'utilisation de capteurs, et (3) la possibilité de répéter les exercices dans des conditions contrôlées et de les adapter aux capacités motrices et cognitives intrinsèques des patients.
Les enjeux de l'approche numérique sont liés à la conception, au développement et à la mise sur le marché d'outils pertinents et efficaces pour la prise en charge des patients. Ces outils doivent être simples d'utilisation pour les personnels de santé (ergothérapeutes, etc.) et motivants pour les patients. Un aspect crucial concerne la détection de profils de patients, dans un but de personnalisation des exercices et d'intégration de capacités d'autoadaptation.
L'objectif visé est que les paramètres ainsi que la difficulté des exercices soient adaptés aux capacités motrices et cognitives de chaque patient mais également que ces paramètres puissent évoluer dynamiquement en fonction de ses performances. Dans ce contexte, les problématiques qu'il faut adresser concernent : 1) l'intégration et le couplage optimal d'activités physiques et de stimulations cognitives, 2) la spécification et l'évolution des paramètres intrinsèques des exercices et des environnements virtuels, et 3) l'assistance au patient au cours des exercices (virtual coach).
Compétences et profil du candidat :
Le/La candidat(e) devra être titulaire d'un Master en informatique ou d’un diplôme d’Ingénieur en informatique, avec une spécialisation en interface homme-machine. Il/Elle devra avoir de solides connaissances en développement d’applications sur Unity3D et/ou Unreal. Une première expérience dans le domaine médical sera fortement appréciée.
Contact :
Paul Richard, Laboratoire LARIS, Université d’Angers
paul.richard@univ-angers.fr
Bibliographie
Anderson-Hanley, C., Barcelos, N.M., Zimmerman, E.A., Gillen, R.W., Dunnam, M., Cohen, B.D., Yerokhin, V., Miller, K.E., Hayes, D.J., Arciero, P.J., Maloney, M., & Kramer A.F. (2018). The aerobic and cognitive exercise study (ACES) for community-dwelling older adults with or at-risk for mild cognitive impairment (MCI): Neuropsychological, neurobiological and neuroimaging outcomes of a randomized clinical trial. Frontiers in Aging Neuroscience, 10(76).
Arulraj, J. (2010). Adaptive agent generation using machine learning for dynamic difficulty adjustment. Computer and Communication Technology (ICCCT), 2010 International Conference on, pages 746–751.
Bamidis, P. D., Vivas, A. B., Styliadis, C., Frantzidis, C., Klados, M., Schlee, W., Siountas, A., & Papageorgiou, S. G. (2014). A review of physical and cognitive interventions in aging. Neuroscience and biobehavioral reviews, 44, 206–220.
Bartlett, D. M., Govus, A., Rankin, T., Lampit, A., Feindel, K., Poudel, G., Teo, W.-P., Lo, J., Georgiou-Karistianis, N., Ziman, M. R., & Cruickshank, T. M. (2020). The effects of multidisciplinary rehabilitation on neuroimaging, biological, cognitive, and motor outcomes in individuals with premanifest Huntington’s disease. Journal of the Neurological Sciences, 416.
Bohlen, S., Ekwall, C., Hellström, K., Vesterlin, H., Björnefur, M., Wiklund, L., & Reilmann, R. (2013). Physical therapy in Huntington’s disease - Toward objective assessments? European Journal of Neurology, 20(2), 389‑393.
Borges-Machado, F., Silva, N., Farinatti, P., Poton, R., Ribeiro, Ó., & Carvalho, J. (2021). Effectiveness of multicomponent exercise Interventions in older adults with dementia: A meta-analysis. The Gerontologist, 61(8), e449–e462.
Busse, M., Quinn, L., Debono, K., Jones, K., Collett, J., Playle, R., Kelly, M., Simpson, S., Backx, K., Wasley, D., Dawes, H., & Rosser, A. (2013). A Randomized Feasibility Study of a 12-Week Community-Based Exercise Program for People with Huntington’s Disease. 37,10.
Ciancarelli, I., Tozzi Ciancarelli, M. G., & Carolei, A. (2013). Effectiveness of intensive neurorehabilitation in patients with Huntington’s disease. European Journal Physical and Rehabilitation Medicine, 49(2), 189-95.
Cipriani, G., Bianchetti, A., & Trabucchi, M. (2006). Outcomes of a computer-based cognitive rehabilitation program on Alzheimer’s disease patients compared with those on patients affected by mild cognitive impairment. Archives of Gerontology and Geriatrics, 43(3), 327‑335.
Cruickshank, T. M., Reyes, A. P., Penailillo, L. E., Pulverenti, T., Bartlett, D. M., Zaenker, P., Blazevich, A. J., Newton, R. U., Thompson, J. A., Lo, J., & Ziman, M. R. (2018). Effects of multidisciplinary therapy on physical function in Huntington’s disease. Acta Neurologica Scandinavica, 138(6), 500‑507.
Cruickshank, T. M., Thompson, J. A., Domínguez D, J. F., Reyes, A. P., Bynevelt, M., Georgiou‑Karistianis, N., Barker, R. A., & Ziman, M. R. (2015). The effect of multidisciplinary rehabilitation on brain structure and cognition in Huntington’s disease: An exploratory study. Brain and Behavior, 5(2).
Darzi A, McCrea SM, Novak D, User Experience with Dynamic Difficulty Adjustment Methods for an Affective Exergame: Comparative Laboratory-Based Study JMIR Serious Games 2021.
Desjardins-Crépeau, L., Berryman, N., Fraser, S. A., Vu, T. T., Kergoat, M. J., Li, K. Z., Bosquet, L., & Bherer, L. (2016). Effects of combined physical and cognitive training on fitness and neuropsychological outcomes in healthy older adults. Clinical interventions in aging, 11, 1287–1299.
Dorigo, M. and St¨utzle, T. (2004). Ant Colony Optimization. Computer Science and Intelligent Systems MIT Press, Cambridge MA, USA.
Fabel, K., Wolf, S.A., Ehninger, D., Babu, H., Leal-Galicia, P., & Kempermann, G. (2009). Additive effects of physical exercise and environmental enrichment on adult hippocampal neurogenesis in mice. Frontiers in Neurosciences, 3, 50.9.
Fissler, P., Küster, O., Schlee, W., & Kolassa, I.-T. (2013). Novelty interventions to enhance broad cognitive abilities and prevent dementia. In Progress in Brain Research (207), pp. 403‑434.
Frese, S., Petersen, J. A., Ligon-Auer, M., Mueller, S. M., Mihaylova, V., Gehrig, S. M., Kana, V., Rushing, E. J., Unterburger, E., Kägi, G., Burgunder, J.-M., Toigo, M., & Jung, H. H. (2017). Exercise effects in Huntington disease. Journal of Neurology, 264(1), 32‑39.
Gouaïch, A., Hocine, N., Dokkum, L. V., and Mottet, D. (2012). Digital pheromone based difficulty adaptation in post-stroke therapeutic games. Proceedings of the 2nd ACM SIGHIT symposium on International health informatics - IHI ’12.
Hocine, N. and Gouaïch, A. (2011). Motivation based difficulty adaptation for therapeutic games. 16th International Conference on Computer Games, 16th Inter :257–261.
Huang, W., He, S., Chang, D., and Hao, Y. (2010). Dynamic difficulty adjustment realization based on adaptive neuro-controlled game opponent. Computational Intelligence (IWACI), pp. 66–71.
Karageorghis, C. I., Bigliassi, M., Guérin, S. M. R., & Delevoye-Turrell, Y. (2018). Brain mechanisms that underlie music interventions in the exercise domain. In Progress in Brain Research (Vol. 240, p. 109 125). Elsevier.
Karssemeijer, E., Aaronson, J. A., Bossers, W., Donders, R., Olde Rikkert, M., & Kessels, R. (2019). The quest for synergy between physical exercise and cognitive stimulation via exergaming in people with dementia: a randomized controlled trial. Alzheimer's Research & Therapy, 11(1), 3.
Khalil, H. et al., (2013). What effect does a structured home-based exercise program have on people with Huntington’s disease? A randomized, controlled pilot study. Clinical Rehabilitation, 27(7).
Law, L.L., Barnett, F., Yau, M.K., & Gray, M.A. (2014). Effects of combined cognitive and exercise interventions on cognition in older adults with and without cognitive impairment: A systematic review. Ageing Research Review, 15, 61-75.
Lubrini, G., Periáñez, J.A., & Ríos-Lago, M. (2009). Introducción a la estimulación cognitiva y la rehabilitación neuropsicológica. En Estimulación cognitiva y rehabilitación neuropsicológica (p.13). Rambla del Poblenou 156, 08018 Barcelona: Editorial UOC.
Michel P., Richard, P. Yamaguchi T., Verhulst A., Verhulst E., Dinomais M. : Virtual Reality System for Rehabilitation of Children with Cerebral Palsy: A Preliminary Study. VISIGRAPP (GRAPP) 2016: 306-313
Mino, J.C., Muller, J.D., & Ricard, J.M. (2018). Soin du corps, soin de soi. Activité physique adaptée en santé. Paris : Presses Universitaires de France.
Mirek, E., Filip, M., Banaszkiewicz, K., Rudzińska, M., Szymura, J., Pasiut, S., Stożek, J., & Szczudlik, A. (2015). The effects of physiotherapy with PNF concept on gait and balance of patients with Huntington’s disease – pilot study. Neurologia i Neurochirurgia Polska, 49(6), 354‑357.
Parnandi, A., Son, Y., and Gutierrez-Osuna, R. (2013). A Control-Theoretic Approach to Adaptive Physiological Games. 2013 Humaine Association Conference on Affective Computing and Intelligent Interaction, pages 7–12.
Pezzera M. and N. A. Borghese, "Dynamic difficulty adjustment in exer-games for rehabilitation: a mixed approach," 2020 IEEE 8th International Conference on Serious Games and Applications for Health (SeGAH), 2020, pp. 1-7,
Playle, R., Dimitropoulou, P., Kelson, M., Quinn, L., & Busse, M. (2019). Exercise Interventions in Huntington's Disease: An Individual Patient Data Meta-Analysis.Movement disorders clinical practice, 6(7), 567–575.
Sadeghi, M., Barlow-Krelina, E., Gibbons, C., Shaikh, K. T., Fung, W., Meschino, W. S., & Till, C. (2017). Feasibility of computerized working memory training in individuals with Huntington disease. PloS one, 12(4), e0176429.
Saragih, I.D., Tonapa, S.I., Saragih, I.S., & Lee, B.O. (2022). Effects of cognitive stimulation therapy for people with dementia: A systematic review and meta-analysis of randomized controlled studies. International Journal of Nursing Studies, 128, 104181.
Stegemoller, E. L. (2014). Exploring a Neuroplasticity Model of Music Therapy. Journal of Music Therapy, 51(3), 211 227.
Thaut, M. H., Miltner, R., Lange, H. W., Hurt, C. P., & Hoemberg, V. (1999). Velocity modulation and rhythmic synchronization of gait in Huntington’s disease Movement Disorders,14(5), 12.
Thompson, J. A. et al., (2013). The effects of multidisciplinary rehabilitation in patients with early-to-middle-stage Huntington’s disease: A pilot study. European Journal of Neurology, 20(9), 1325‑1329.
Thompson, J. A., Cruickshank, T. M., Penailillo, L. E., Lee, J. W., Newton, R. U., Barker, R. A., & Ziman, M. R. (2013). The effects of multidisciplinary rehabilitation in patients with early to- middle-stage Huntington’s disease: A pilot study. European Journal of Neurology, 20(9), 1325‑1329.
Wittwer, J. E., Webster, K. E., & Hill, K. (2013). Rhythmic auditory cueing to improve walking in patients with neurological conditions other than Parkinson’s disease – what is the evidence? Disability and Rehabilitation, 35(2), 164 176.
M. Zohaib, “Dynamic difficulty adjustment (DDA) in computer games: A review,” Adv. Hum. Comput. Interact., vol. 2018, pp. 5 681 652:1– 5 681 652:12, 2018.
Poste Doctorant F/H Immersive and Situated Visualizations of Personal Data
Informations généralesThème/Domaine : Interaction et visualisationInstrumentation et...
Thèse : « «Dynamique d’interactions tactiles et cognition sociale » à l’UTC
Poursuivez ici selon votre inspiration...Type de financement : Demi-bourse région + demi-bourse...
Internship on Human Robot Interaction evaluation in Virtual Reality
Keywords:Human Machine Interaction, Human Robot Collaboration, Virtual Reality, Virtual Reality...
Internship on Intelligent Tutoring System in Virtual Reality
Keywords: Virtual Reality Training System (VRTS), Data collection and analysis, Machine...
Postdoctoral researcher / Research engineer (AR/VR)
Keywords: Human Machine Interaction, Virtual Reality, Virtual Reality Training Systems (VRTS),...
Thèse: Prototypage rapide d’interactions en RA/RV
Mots-clés : Interaction homme – machine (IHM), réalités virtuelle et augmentée (RV&A), génie...