Foodintech est une solution issue d’un projet de recherche mené depuis décembre 2017 au CHU de Dijon Bourgogne en partenariat avec les sociétés Yumain et Atol Conseils & Développements. Initié par le Docteur Virginie Van Wymelbeke-Delannoy, chercheure en nutrition de la personne âgée, ce projet a pour but de répondre à une des problématiques rencontrées dans le diagnostic de dénutrition en milieu hospitalier : mesurer précisément et systématiquement la prise alimentaire.
En effet, la prévalence de la dénutrition en milieu hospitalier est importante notamment pour les patients âgés dépendants ; elle peut atteindre jusqu’à 70% d’entre eux alors qu’elle représente 10% de ceux vivant à domicile, et jusqu’à 50% de ceux vivant en EHPAD. La crise sanitaire COVID 19 a notamment permis de mettre en évidence cette situation connue et documentée. Comme le révèle la SFNCM dans son rapport “COVID 19: Stratégie de prise en charge nutritionnelle à l’hôpital, avis d’experts de la SFNCM” ; le patient Covid-19 est à risque de dénutrition. Les conséquences principales de la dénutrition sont l’augmentation de la durée du séjour, perte d’autonomie, complications infectieuses (infections nosocomiales), la sarcopénie et le décès. La dénutrition a une valeur pronostique péjorative et doit être prévenue, diagnostiquée et prise en charge précocement. Ce constat conforte l’importance de notre objectif premier qui est d’améliorer le diagnostic des risques liés à la malnutrition par le suivi des ingesta pour mieux agir sur la prise en soin.
Comme le précise le GLIM pour l’adulte, l’état nutritionnel du patient doit désormais être établi sur la base d’indicateurs phénotypiques et étiologiques où la prise alimentaire est un indicateur clé. Cet indicateur doit être établi par l’observation de ce qui est consommé par le patient sur la base des portions servies selon les recommandations nutritionnelles pour couvrir ses besoins. Force est de constater que ces évaluations restent peu précises. A ce constat est associé un coût environnemental, avec un gaspillage induit variant de 15 à 20% par plateau, un coût économique avec une majoration des coûts de santé lorsque la dénutrition s’installe et un coût sociétal avec une insatisfaction fréquente des seniors vis-à-vis des repas.
Cette mesure des ingesta est aujourd’hui principalement recueillie par le biais de relevés visuels semi-quantitatifs peu précis par sa méthode qui implique un investissement fort des ASH et une précision d’analyse fluctuante entre chaque agent. De fait, il est admis que ce mode de relevé est précis à <33%, ce qui n’en fait pas un indicateur fiable dans une prise en charge thérapeutique. Foodintech vise dès lors à automatiser et à fiabiliser cette analyse par la prise de photographies des plateaux repas servis en chambre des patients. Systématisées et automatisées, les photos avant et après la consommation du patient permettent, par une intelligence artificielle éduquée à la reconnaissance des aliments et au calcul comparatif de leurs surfaces, l’analyse précise de ce qui a été mangé.
Fournie aux soignants d’un service hospitalier et principalement aux diététicien·ne·s, foodintech est une solution logicielle qui permet la valorisation des pourcentages de consommation de chaque ingrédient du plateau par l’intermédiaire du logiciel de restauration gérant la commande repas et la valorisation nutritionnelle des recettes (kcal, protéines, lipides, glucides). Connaissant à posteriori les quantités servies et leurs valeurs nutritionnelles, foodintech permet de déclencher des alertes par niveau de consommations énergétiques, protéiques sur des populations de patients identifiés et sur une durée programmée. Ainsi, si la prise alimentaire évolue défavorablement au cours du séjour, les diététicien·ne·s peuvent intervenir au plus vite auprès du patient.
Afin d’évaluer la performance de la solution et valider l’atteinte des objectifs initiaux, une phase d’analyse en masse a été réalisée au CHU de Dijon de décembre 2020 à mai 2021.
Le protocole d’évaluation des performances du réseau de neurones combiné au programme de tables de correspondance des aliments, tous deux développés spécifiquement pour le projet, vise à analyser une volumétrie importante de composantes repas (plats) produits par la cuisine centrale de l’établissement. Pour ne pas troubler la distribution des repas en période COVID, des plateaux ont été extraits de la cuisine et du self-service pour être pris en photo avec un simple téléphone mobile Android, sous différents angles, en modifiant la disposition et les quantités “consommées” artificiellement pour être analysées à posteriori par différentes itérations du réseau de neurones bénéficiant à chaque version d’un nouvel apprentissage. Parallèlement chaque situation de consommation pour chaque composante a été pesée précisément, la pesée représentant le gold standard comparatif des résultats produits par le système.
Après plusieurs apprentissages, nous avons atteint à ce jour des premiers résultats satisfaisants et avons pu valider la méthode d’apprentissage nous permettant 2 fois par mois d’augmenter le périmètre des capacités de foodintech ainsi que les performances et l’efficacité comparée au gold standard.
Nous vous présentons dans cet article les premiers résultats issus du programme de recherche fondamentale, établis hors contexte clinique et en situation expérimentale permettant de valider les performances intrinsèques du système. Une publication scientifique sera proposée sur la base de ces résultats par le Docteur Van Wymelbeke-Delannoy du CHU de Dijon dès septembre 2021.
Résultats obtenus :
Les résultats sont les suivants: un échantillon de 550 plateaux uniques, contenant 167 plats différents et représentant environ 60% des plats servis au CHU de Dijon sur les 20 derniers mois (de 07/19 à 03/21), ont été photographiés chacun dans 50 situations différentes de consommation/ dressage et constitue une base d’analyses de 26321 composantes (plats dans des situations de consommations variables).
Le système a reconnu la composante du plat dans 69,45% des cas, et a livré une analyse de l’ingesta (pesée numérique) fiable à 77,63% matérialisant un taux d’erreur par rapport à la pesée de 22,37%.
Les objectifs de performance de foodintech sont basés sur l’efficacité du système avec un panel exhaustif de plats et de composantes risquant d’être rencontrés dans les établissements sanitaires français, avec une performance et une fiabilité des données produites comparables à un gold standard exigeant (pesée) inférieur à 20% d’erreur voire 10% d’erreur après habituation du système (machine learning).
S’agissant du gold standard, il est important de noter que matériellement aucun établissement n’est en mesure de peser les plats consommés avant et après par les patients. Les résultats sont donc à pondérer et sont objectivement bien supérieurs si on les compare aux faibles efficacité/ exhaustivité/ performance des relevés visuels semi-quantitatifs qui sont effectivement réalisés en établissements via des fiches alimentaires (performance <33%).
Conclusion
En comparant nos résultats à ceux des expérimentations présentes dans la littérature internationale récente, nous sommes désormais convaincus que foodintech est la solution la plus fiable et performante réalisée à ce jour. Nous sommes notamment très confiants sur notre capacité à atteindre nos objectifs de performances dans les prochains mois par application de la méthode validée par l’étude : c’est par le volume de nos ajouts de photos nouvelles à l’apprentissage, à l’élargissement des familles de plats reconnus et de textures transformées, ainsi qu’au traitement spécifique des situations rares que notre système pourra convenir à tous les établissements de santé public et privés qui souhaitent l’expérimenter dès la rentrée 2021 !
Nos objectifs à fin 2021 :
-20% des plats non reconnus sur un panel d’environ 1000 recettes différentes, avec -10% d’erreur sur le calcule de l’ingesta comparé à la pesée.
