Objectif ‐ Le projet MEEGASAFE (Monitoring EEG for the evAluation of Somnolence to improve SAFEty) vise à mieux comprendre et à mieux mesurer la somnolence, afin d’améliorer sa gestion et, au final, de réduire le risque d’accident.

Chacun d’entre nous connaît la somnolence et l’a déjà expérimentée. Journées trop longues, nuits trop courtes, horaires décalés, médicaments, troubles de la vigilance : personne n’a échappé à la torpeur qui saisit au volant, en réunion, à son poste de travail. On sait de la somnolence que c’est un état de vigilance dégradée, entre l’éveil et le sommeil, qui participe à la régulation du sommeil, contre lequel il est difficile de lutter. Il est bien déterminé qu’elle altère sévèrement les performances, qu’elle serait responsable de 33% des accidents mortels sur autoroute, que la fatigue a été identifiée comme risque majeur par le board américain de la sécurité dans les transports, que la somnolence au volant représenterait un coût de 12 milliards de dollars par an aux Etats‐Unis, qu’elle aurait été impliquée dans les très graves accidents industriels et écologiques qu’ont été Tchernobyl ou les grandes marées noires comme l’Exxon Valdez.

Et pourtant on comprend encore mal quels sont les facteurs qui vont influencer ou modifier le niveau de somnolence, on ne sait pas prédire le niveau de somnolence et son évolution au cours du temps à partir d’une mesure instantanée. L’évaluation de la somnolence en temps réel est elle‐même encore difficile à mettre en oeuvre, les outils fiables et simples manquent.

Soutien ‐ MEEGASAFE a reçu le soutien financier de l’ANR via le programme Laboratoires Communs (LabCom). Le projet a été doublement labellisé, par les Pôles de compétitivité Cap Digital et Medicen.

Partenaires ‐ GENPPHAASS (groupe d’étude neuro‐psycho‐pharmacologique de l’attention, du sommeil et de la somnolence) fait partie de l’Unité de Service et de Recherche (USR 3413) Sommeil Addiction et Neuropsychiatrie (SANPSY) rattachée au CNRS, à l’Université de Bordeaux (UB), et au CHU Pellegrin, Bordeaux. L’axe de recherche majeur du GENPPHASS est d’identifier les déterminants électrophysiologiques et comportementaux expliquant la vulnérabilité à la somnolence et à l’inattention. Jacques Taillard, Cécile Klochendler ont travaillé sur le projet.

Objectif ‐ L’objectif de matEEG était de développer un capteur d’électroencéphalogramme (EEG) innovant, permettant de lever les principaux obstacles à une large utilisation, en vie réelle, des capteurs EEG actuels, à savoir un capteur robuste et intégrable dans les équipements de tête.

Dans le couple homme‐machine, on constate paradoxalement un manque d’informations sur l’élément humain du système. Au fur et à mesure que les machines et les automatismes deviennent plus performants, la nécessité de mesurer et d’interpréter l’état et le comportement d’un opérateur, d’un pilote, d’un conducteur, d’un ouvrier, d’un soldat devient plus impérative afin de comprendre et de contrôler l’ensemble du système. La surveillance de l’état d’un opérateur, ou système de surveillance de l’équipage, vise à analyser et à évaluer l’état d’un opérateur dans des conditions réelles d’utilisation. Dans cette perspective, l’activité cérébrale est un signal particulièrement pertinent. Cependant, dans l’état actuel de la technologie, l’EEG est surtout un signal de laboratoire, inutilisable en situation opérationnelle car ce signal est très vulnérable aux perturbations. De plus, les capteurs actuels sont difficiles à manipuler.

Un capteur capable de fournir un signal robuste et facile à intégrer dans les équipements de tête permet d’adresser de nombreuses applications, bien au‐delà de l’application visée dans le projet initial : aéronautique, ferroviaire, maritime, automobile. Il constituerait également un effet de levier très fort sur l’ensemble des recherches portant sur l’activité cérébrale en facilitant, et donc en généralisant, l’utilisation de l’EEG.

Soutien ‐ Le projet MatEEG a été soutenu par le ministère de la Défense (DGA), Thales et Dassault, dans le cadre de l’appel à projets Man Machine Teaming.

Partenaires ‐ Le projet a été réalisé sous la supervision technique des sociétés Thales et Dassault, piloté par Physip, avec la collaboration de la société allemande Brain Products.

Objectif ‐ L’objectif de COGNISIM (Mesure de la charge COGNItive embarquée en SIMulateur pour l’optimisation de la formation) était de développer une évaluation automatique de la charge cognitive à partir de l’analyse de l’activité cérébrale. Le projet a été conçu pour optimiser la formation militaire basée sur la simulation. L’objectif était de pouvoir, au cours de l’entraînement, identifier les forces et les faiblesses d’un stagiaire, de personnaliser sa formation ou de valider son niveau de maîtrise des tâches opérationnelles avec l’évolution de leur charge cognitive. L’évaluation était basée sur l’analyse automatique de l’activité cérébrale captée par l’électroencéphalogramme (EEG). Combinant traitement du signal et intelligence artificielle, la technologie permet de réduire le nombre de capteurs pour permettre des applications hors laboratoire, en situation réelle. Le cas d’utilisation de COGNISIM était l’entraînement au tir sur tourelle de char

Soutien ‐ COGNISIM est un projet RAPID, soutenu par le ministère français de la Défense (Agence Innovation Défense, DGA/AID). Emmanuel Gardinetti, responsable de la recherche sur les facteurs humains à l’AID, a été le pilote technique de ce projet.

Partenaires ‐ Travailler sur les performances cognitives impose d’imaginer un système complexe, permettant l’enregistrement synchronisé de multiples signaux physiologiques, en relation avec les performances cognitives évaluées via un simulateur. La conception et la réalisation du système d’enregistrement a réuni des partenaires de compétences diverses pour produire des donnéesexceptionnelles.
Cognisim, piloté par Physip, a réuni une équipe comprenant les contributeurs suivants :

• Unité Inserm U1028, Centre de recherche en neurosciences de Lyon, Jérémie Mattout, Gaëtan Sanchez, Emmanuel Maby, ont travaillé sur le projet, sur le protocole de performance cognitive et sur la synchronisation du signal EEG lors des entraînements de simulation.
• Agueris, société spécialisée dans la simulation numérique militaire, Régis Lacombe, Bernard Langlais, Youri Dmitriev, Jean‐Marie Souffez, Simone Coccia, ont travaillé sur le projet, en adaptant le simulateur de tourelle afin de permettre les enregistrements physiologiques et comportementaux.
• Forvia (anciennement Faurecia), Groupe international dans le domaine de l’automobile, Anne‐Isabelle Da Costa, Laurent Chabert ont participé au projet sur les enregistrements physiologiques utilisant des capteurs embarqués.

Objectif ‐ Après une validation réussie chez le sujet sain et plusieurs années de développement de
l’algorithme, cette étude visait à valider les performances de la technologie ASEEGA® chez des
patients adultes diagnostiqués avec divers troubles du sommeil. L’étude a comparé l’analyse visuelle
de 2 cliniciens experts indépendants provenant de 2 centres du sommeil avec l’analyse automatisée.
Les enregistrements du sommeil de 95 patients souffrant d’insomnie, d’hypersomnie idiopathique,
de narcolepsie et d’apnée obstructive du sommeil ont été inclus.

Partenaires ‐ Les enregistrements du sommeil et une des analyses visuelles des PSG ont été réalisés
par les équipes de l’Unité de Neurologie Fonctionnelle de l’Hôpital Wertheimer et du Centre de
Médecine du Sommeil et des Maladies Respiratoires de l’Hôpital de la Croix‐Rousse, à Lyon. La
deuxième analyse visuelle des PSGs a été réalisée par les équipes du CNRS‐USR 3413 SANPSY,
Sommeil, Addiction et Neuropsychiatrie, de Bordeaux.

Soutien ‐ L’étude a été en partie soutenue par un financement de Paris Région Entreprises.

L’étude a été publiée dans le Journal of Clinical Sleep Medicine, en 2021 :
Peter‐Derex L, Berthomier C, Taillard J, Berthomier P, Bouet R, Mattout J, Brandewinder M, Bastuji H.
Automatic analysis of single‐channel sleep EEG in a large spectrum of sleep disorders. J Clin Sleep
Med. 2021;17(3):393–402

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,

• l’ISPED
• le CMRR Nice
• la société Immersion

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

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) accompagnait ce projet.

Partenaires – Le 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.

Objectif – Développer une méthode d’analyse de la pression de sommeil mesurée par KDT (Karolinska Drowsiness Test).

Partenaires – L’algorithme MEEGAFIT a été validé 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 6-9Hz.

Les résultats ont été présentés en communication au Congrès du Sommeil à Marseille en 2013.

Objectif – 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

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 en partie 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.