La technologie Physip

La puissance du numérique au service du traitement des données physiologiques

Physip, créée en 2002, est une spin-off de Telecom ParisTech : le projet est issu d’une thèse portant sur le traitement numérique de signaux d’EEG de sommeil. Physip fait partie des pionniers de l’utilisation de technologies du numérique pour l’analyse de signaux EEG.

Physip dispose d’un ensemble de savoir-faire complémentaires : traitement du signal appliqué à l’EEG, méthodes d’apprentissage et de classification, traitement massif de données orientés vers l’analyse numérique de signaux d’électroencéphalogramme (EEG).

Un portefeuille
de technologies

Nous avons constitué un portefeuille exceptionnel de technologies développées en interne

  • Analyse automatique du sommeil ASEEGA
  • Evaluation automatique du niveau de somnolence MEEGAWAKE
  • Evaluation de la pression de sommeil MEEGAFIT
  • Prédiction du risque de performances dégradées MEEGAPERF
  • Une plateforme d’outils d’expertise du signal

L’EEG à 2 capteurs :
une approche unique, une avancée technologique décisive

Dès l’origine, Physip a développé tous ses modules innovants d’analyse de l’EEG en intégrant la contrainte forte de la réduction du nombre de capteurs. Les analyses de Physip n’ont besoin que de 2 capteurs EEG. Pourquoi cette contrainte ? Pour ouvrir les possibles de l’EEG, sortir l’EEG du laboratoire. Réduire le nombre de capteurs, c’est faciliter la pose de l’EEG pour les médecins et les techniciens EEG, c’est faciliter les utilisations ambulatoires, c’est améliorer l’acceptabilité de l’EEG pour des utilisations professionnelles, peut-être des utilisations quotidiennes dans un futur proche. Réduire le nombre de capteurs, c’est aussi réduire le volume de données, pour des applications déportées, pour la télémédecine.

La R&D

Physip conduit un R&D exigeante. Elle nous permet de faire avancer en permanence les algorithmes d’analyse existants et d’en développer de nouveaux pour répondre à de nouveaux besoins scientifiques et industriels.

Efficacité et Rigueur

La R&D à Physip est essentiellement collaborative. Nous travaillons avec des académiques et des industriels. Nous avons un réseau de collaborations académiques en support de notre R&D dans le domaine du sommeil et de la vigilance, des sciences cognitives, des performances, du traitement du signal. Physip a une importante activité de publication scientifique pour démontrer la fiabilité de ses solutions. [vers les publications] Nous travaillons avec des industriels des secteurs des transports, de l’aéronautique, du militaire…

Avec une dizaine de projets de recherche menés à bien, nous avons acquis une expérience unique dans le développement d’algorithmes d’identification de marqueurs EEG, de la phase exploratoire à la validation clinique ou en conditions simulées.

Projets de recherche

Display none
Scoal : Sommeil, Cognition et troubles de la mémoire dans la maladie d'Alzheimer, 2011-2015

Objectif L’enjeu du projet SCOAL est de mieux comprendre les troubles du sommeil (changements de l’architecture du sommeil et/ou apparition de troubles du sommeil) avant-coureurs dans les troubles cognitifs légers et leur contribution potentielle à une éventuelle détérioration cognitive progressive. Pour Physip, il s’agit de rechercher dans l’EEG de sommeil des marqueurs diagnostiques et pronostiques de la maladie d’Alzheimer. Partenaires Le projet est piloté par l’unité CNRS Sanpsy, avec Patricia Sagaspe et Jacques Taillard notamment. Il réunit, outre Physip,

 

Financement Le projet est financé par le programme ANR MALZ. Résultats Des premiers résultats ont été publiés au congrès de l’ESRS 2014 à Tallinn. Sagaspe P, Taillard J, Chaufton C, Berthomier C, Brandewinder M, Amiéva H, Dartigues J-F, Philip P. Polysomnographic data in patients with isolated memory complaints or mild cognitive impairment. J. Sleep Res., 23 Suppl. 1:240, 2014

Meegaperf : Monitoring EEG automatique des PERForances, 2011-2015

Objectif Meegaperf vise à identifier de façon automatique dans l’EEG des marqueurs de risques de performances dégradées au niveau physique et cognitif. Le projet consiste à enregistrer l’EEG de sujets au cours de tâches cognitives et physiques propices aux baisses ou ruptures de performances, pour repérer les signes dans l’activité cérébrales qui permettent d’anticiper ces ruptures de performances. Financement Meegaperf est un projet RAPID, Régime d’Aide aux Projets d’Innovation Duale, financé par la DGA et la DGCIS devenue DGE. Didier Bazalgette, responsable Facteurs Humains de la MRIS (DGA) accompagne ce projet. PartenairesLe travail sur les performances physiques a nécessité d’imaginer un dispositif complexe, permettant l’enregistrement synchronisé de plusieurs signaux physiologiques, rapportés à la performance physique évaluée par la fréquence de pédalage d’un ergocycle. La conception et la réalisation du dispositif d’acquisition ont réuni tous les partenaires et des compétences variées pour aboutir à des données exceptionnelles. Meegaperf, piloté par Physip, réunit :

 

  • l’unité Inserm U1028, du Centre de Recherche Neurologique de Lyon : Jérémie Mattout, Aline Bompas, Emmanuel Maby, Patrick Bouchet, travaillent ou ont travaillé pour le projet pour le volet performances cognitives et l’enregistrement des signaux EEG du volet performances physiques.
  • le CRIS, Centre de Recherche sur l’Innovation dans le Sport, Université Lyon I : Christian Collet, Vincent Pialoux, Michel Clémençon, Thomas Creveaux sur les performances physiques.
  • le département TSI de Telecom ParisTech : Slim Essid, Cecilia Damon, François Rigaud, Alexis Benichoux pour le travail sur les artefacts EEG lors d’acquisitions en mouvement.

En s’appuyant sur cette objectivation des performances physiques, Physip développe l’algorithmie EEG de détection des marqueurs EEG de rupture de performances.

Drowsimeter, 2011

Objectif Développer une méthode d’analyse de la pression de sommeil mesurée par KDT (Karolinska Drowsiness Test). Partenaires Drowsimeter a été réalisée avec l’équipe Sanpsy, Jacques Taillard en particulier. Soutien et financement Le projet a fait l’objet d’un financement AIMA, BPI – Centre Francilien de l’Innovation. Résultats Une méthode de réjection automatique d’artefact a été développée et validée. Elle permet de réaliser de façon rapide, objective, reproductible, le travail de prétraitement indispensable préalable au calcul de la puissance spectrale dans la bande 4-7Hz. Les résultats ont été présentés en communication au Congrès du Sommeil à Marseille en 2013.

DAM : Drowsiness Automatic Monitoring, 2006-2008
Le projet DAM était à l’origine une étude de faisabilité d’un algorithme de mesure automatique et temps réel de la somnolence à partir d’une dérivation d’EEG. Partenaires Le Dr Alain Muzet et Forenap ont participé au projet DAM, pour l’acquisition des données sur simulateurs de conduite et la lecture visuelle des tracés. Financement DAM a été financé par la DGA, sous la forme d’un contrat REI, Recherche Exploratoire et Innovation. Résultats Le projet DAM a abouti à l’algorithme DAM, capable de décrire de façon automatique et temps réel la somnolence d’un sujet sur une échelle de 0 – veille alerte, à 4 – forte somnolence, l’état d’un sujet actif. Les résultats ont été présentés au congrès de l’ESRS en 2008, et au Congrès du Sommeil en 2008. Berthomier C, Muzet A, Berthomier P, Prado J, Mattout J, Real-Time Automatic Measurement of Drowsiness based on a Single EEG Channel
Validation sujets sains, 2003-2005
Objectif L’objectif de l’étude est de valider les performances de la technologie ASEEGA®, en comparant l’analyse automatique avec la lecture de deux médecins expérimentés, spécialistes de la lecture de tracés de sommeil, sur 15 tracés de PSG de sujets sains. Partenaires Les enregistrements de sommeil et l’analyse visuelle des tracés de PSG ont été réalisés par l’équipe du laboratoire d’explorations fonctionnelles de l’Hôpital Henri Mondor : Marie-Pia d’Ortho, Xavier Drouot, Maria Stoïca, Djibril Bokar-Thire. Financement L’étude a été financée par une subvention du Bio-CRITT d’Ile de France, devenu Paris Région Entreprises. Résultats Les résultats de l’étude détaillant les performances de la technologie ASEEGA® ont été publiés dans la revue Sleep en 2007 : Automatic analysis of single-channel sleep EEG: validation in healthy individuals. Berthomier C, Drouot X, Herman-Stoïca M, Berthomier P, Prado J, Bokar-Thire D, Benoit O, Mattout J, d’Ortho MP. Sleep. 2007 Nov;30(11):1587-95.

L’équipe

Christian BERTHOMIER

Christian BERTHOMIER

co-fondateur de Physip, PDG

Pierre BERTHOMIER

Pierre BERTHOMIER

co-fondateur de Physip, Directeur IT

Julien MATTEI

Julien MATTEI

Ingénieur de recherche

Marie BRANDEWINDER

Marie BRANDEWINDER

Directrice Générale

Questions fréquentes

Qu’est-ce que Physip ?

Physip est une société française, située à Paris, dans le 11e arrondissement, qui a développé des méthodes innovantes d’analyse de l’activité cérébrale de sommeil et d’éveil via l’électroencéphalogramme. Nous proposons ces méthodes aux médecins, chercheurs, aux industriels de la pharma et de l’équipement médical pour optimiser leur analyse de données de sommeil et d’éveil.

Que signifie ASEEGA® ?

ASEEGA® signifie Automatic Sleep EEG Analysis. Le logiciel ASEEGA® existe en 3 versions : Essentiel, Lab et Recherche. Trouvez ici quelle version est la plus adaptée à vos besoins et vos usages.

Quelle est la spécificité de votre méthode d’analyse ?

Nos méthodes d’analyse partagent toutes les mêmes caractéristiques : elles sont entièrement automatiques, basées sur l’EEG seul et sur une seule dérivation d’EEG, située préférentiellement en CzPz. Elles atteignent ainsi un compromis unique entre performance et praticité.

Quelle est la fiabilité de l’analyse ASEEGA® ?

Nous disposons d’une base de plus de 500 enregistrements de PSG de nuit, qui nous permettent de contrôler en permanence la rigueur et la fiabilité de notre travail. Les validations d’ASEEGA® ont fait l’objet de publications dans des revues majeures. De grandes équipes de recherche internationales font confiance aux performances d’ASEEGA®.

Quelle est votre expertise dans le domaine de l’analyse du sommeil ?

Nous développons des méthodes d’analyse de l’EEG de sommeil et d’éveil depuis presque 25 ans, sur une expertise internationalement reconnue en traitement du signal appliqué à l’EEG. L’ensemble de nos développements a été réalisé en collaboration étroite avec des médecins et chercheurs spécialistes du domaine.

Publications

display:none;
Berthomier C, Brandewinder M, EOG-based auto-staging: less is more, Sleep Breath, 2015

This issue of Sleep and Breathing presents the validation results of a new automated wake/sleep staging method based on EOG activity, developed by Jussi Virkkala from the Finnish Institute of Occupational Health. Classically, the automated method is compared to visual analysis, on an epoch by epoch basis. It reaches a level of global concordance of 88 % with a Kappa of 0.57. In other words, on the 248,696 epochs of the validation dataset, 212,138 were scored correctly in wake/sleep, that is as the human expert did it, and on 36,558 epochs, the two scorings differ.

> Accéder à l’article complet

Berthomier C. & Brandewinder M., Sleep scoring: man vs. machine ? Sleep Breath., 2013

Berthomier C, Brandewinder M, Sleep scoring: man vs. machine ?, Sleep Breath. 17 (2):461-462, 2013

The automated analysis of sleep has grown in interest in the past decade. Advances in computing have brought the needed intensive calculations within reach [1]; while simultaneously, there is an increasing demand for sleep diagnosis and analysis. The prevalence of sleep troubles is high, and the awareness of their consequences is spreading among patients, health authorities, and clinicians. This awareness is directing more and more patients to sleep centers. The upward trend in demand for sleep evaluations concerns not only sleep specialists. Sleep appears to be an extremely promising territory for other fields, such as cardiology and nutrition for example [2]. Needs exceed capacities by this far. Data analysis has been identified as one of the bottlenecks in the sleep evaluation process, making clear the importance of developing tools to facilitate analysis. These developments have an impact that is medical, as well as economical and social.

> Accéder à l’article complet

Schmidt C, et al., Circadian preference modulates the neural substrate of conflict processing across the day, PLoS One 2012

Schmidt C, Peigneux P, Leclercq Y, Sterpenich V, Vandewalle G, Philips C, Berthomier P, Berthomier C, Tinguely G, Gais S, Schabus M, Desseilles M, Dang-Vu T, Salmon E, Degueldre C, Balteau E, Luxen A, Cajochen C, Maquet P, Collette F. Circadian preference modulates the neural substrate of conflict processing across the day. PLoS One. 2012;7(1):e29658. 2012 Jan 4. PLoS One. 2012;7(1):e29658. 2012 Jan 4.

Human morning and evening chronotypes differ in their preferred timing for sleep and wakefulness, as well as in optimal daytime periods to cope with cognitive challenges. Recent evidence suggests that these preferences are not a simple by-product of socio-professional timing constraints, but can be driven by inter-individual differences in the expression of circadian and homeostatic sleep-wake promoting signals. Chronotypes thus constitute a unique tool to access the interplay between those processes under normally entrained day-night conditions, and to investigate how they impinge onto higher cognitive control processes. Using functional magnetic resonance imaging (fMRI), we assessed the influence of chronotype and time-of-day on conflict processing-related cerebral activity throughout a normal waking day. Sixteen morning and 15 evening types were recorded at two individually adapted time points (1.5 versus 10.5 hours spent awake) while performing the Stroop paradigm. Results show that interference-related hemodynamic responses are maintained or even increased in evening types from the subjective morning to the subjective evening in a set of brain areas playing a pivotal role in successful inhibitory functioning, whereas they decreased in morning types under the same conditions. Furthermore, during the evening hours, activity in a posterior hypothalamic region putatively involved in sleep-wake regulation correlated in a chronotype-specific manner with slow wave activity at the beginning of the night, an index of accumulated homeostatic sleep pressure. These results shed light into the cerebral mechanisms underlying inter-individual differences of higher-order cognitive state maintenance under normally entrained day-night conditions.

> Accéder à l’article complet

Envie de collaborer ?

Physip S.A

6 rue Gobert - 75011 Paris
+33 (0)1 42 17 00 10
contact@physip.fr

Copyright 2018 Physip.