Thèse Interaction Douleur et Motricité Modélisation et Analyse Instrumentée du Mouvement Humain es Physiologiques Liées à la Douleur H/F

Doctorat.Gouv.Fr

Établissement : Université de Picardie - Jules Verne
École doctorale : Sciences, Technologie, Santé
Laboratoire de recherche : APERE - Unité de recherche Adaptations Physiologiques à l'Exercice et Réaptation à l'Effort
Direction de la thèse : Thierry LELARD ORCID 0000000302811520
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-26T23:59:59

L'évolution des techniques d'analyse du mouvement a progressivement conduit à la production de volumes croissants de données, offrant une représentation toujours plus fine du comportement hu-main. Parallèlement, le développement de capteurs miniaturisés permet aujourd'hui de recueillir des informations détaillées sur les activités quotidiennes des individus. Ce projet s'intéresse principa-lement à l'amélioration de la qualité de vie de personnes en situation douloureuse. Il est le fruit d'une collaboration continue entre les universités de Sherbrooke et de l'Université de Picardie Jules Verne. Nos 2 équipes s'intéressent à l'amélioration des connaissances sur les interactions entre douleur et motricité avec comme ambition de proposer des prises en charges permettant une adaptation des thérapies selon le contexte douloureux de l'individu.
Le présent projet s'appuie des travaux récents entre le laboratoire MIS et le laboratoire APERE qui a conduit à développer un système embarqué d'analyse de la marche et de signaux physiologiques.
L'objectif général de cette étude est d'évaluer la capacité de ce système à fournir des données fiables et pertinentes pour la détection, la quantification et la discrimination de différents niveaux de douleur, tout en optimisant la configuration instrumentale nécessaire pour maintenir une sensibilité suffisante.
Pour transférer nos expériences hors du cadre du laboratoire, il sera indispensable de développer des outils cliniques capables de fonctionner dans des environnements réels, s'appuyant sur l'intelligence artificielle pour traiter et interpréter des données complexes. Dans cette perspective, la modélisation jouera un rôle central en permettant de simplifier le dispositif tout en préservant sa robustesse et sa pertinence clinique.

À cet égard, la reconnaissance d'activités humaines (Human Activity Recognition, HAR), qui analyse le comportement à partir de dispositifs de capture du mouvement, suscite l'intérêt de la communauté scientifique depuis les années 1980. Les progrès rapides des capteurs et de la communication sans fil à ultra-faible puissance ont permis à une nouvelle gé-nération de réseaux de capteurs sans fil de voir le jour : WBAN - Wireless Body Area Networks. WBAN ouvre un domaine de recherche interdisciplinaire des réseaux de capteurs sans fil (WSN), avec un impact considérable dans le domaine de la santé. Au-delà de la capacité à acquérir et traiter les signaux physiologiques/biomécaniques, l'un des défis scientifiques majeurs consiste à comprendre comment ces données s'intègrent dans les mécanismes de régulation du mouvement humain, particulièrement lorsque la douleur ou son appréhension modifient les stratégies motrices du quotidien. Pour interpréter ces ajustements, un cadre théorique robuste est nécessaire, capable de relier les mesures objectives issues des WBAN aux processus décisionnels sous-jacents du système moteur. La théorie du contrôle optimal constitue précisément un tel cadre. La théorie du contrôle optimal a été utilisée pour étudier le mouvement humain avec des modèles allant d'une masse ponctuelle unique à des modèles multi-segments et multi-musculaires avec des douzaines de coordonnées, d'actionneurs et de contrôles. Le modèle a pu également être utilisé pour étudier l'intégration des informations sensorielles. Des expériences sur la posture ont exploré l'altération des entrées visuelles, proprioceptives et vestibulaires en conjonction avec des perturbations de la plate-forme.

Ce projet vise au développement d'un dispositif d'évaluation de la douleur et de son appréhension à travers le comportement moteur en utilisant un modèle biomécanique basé sur la théorie du contrôle optimal applicable en contexte clinique. Il permettrait aux cliniciens d'évaluer les changements cliniques au cours d'une thérapie, et de dépister les individus les plus à risques de présenter une évolution défavorable.

Les études expérimentales se tiendront au sein d'un plateau d'analyse de la marche (analyse 3D du mouvement, EMG, ECG, EEG) et équipé d'un dispositif portable (RECONNAITRE), nous prévoyons réaliser 2 études impliquant des populations saines pour lesquelles nous étudierons les effets de la douleur induite par l'exercice (Étude 1 : Amiens) ou par l'utilisation d'un stimulus nociceptif (Étude 2 : Sherbrooke) tout en faisant varier l'appréhension du mouvement.
L'association entre les méthodes d'IA et la modélisation permettra de simplifier le système de recueil des mesures en identifiant un nombre réduit de paramètres physiologiques/biomécaniques pertinents ou en agrégeant les signaux enregistrés afin de produire un indice synthétique de la douleur.
La dernière phase du projet consistera en une étude pilote menée auprès d'une population clinique présentant des douleurs (n=12). Cette étude aura pour but d'évaluer la faisabilité, l'acceptabilité et la performance préliminaire du dispositif dans un contexte réel de prise en charge de la douleur. Cette étude pilote permettra de confirmer la pertinence des indicateurs retenus avant la mise en oeuvre d'un essai clinique complet.