Après les travaux révélés la semaine dernière sur l’analyse des ondes cérébrales via les AirPods, Apple poursuit ses recherches santé — cette fois, dans un domaine où elle dispose déjà d’une avance solide : le suivi de la fréquence cardiaque.
Un nouveau papier scientifique publié par l’équipe Machine Learning Research de Cupertino montre comment l’IA pourrait un jour tirer des informations cardiaques bien plus poussées à partir d’un capteur que l’Apple Watch possède déjà.
une Apple Watch à titre de prévention ?
Avec watchOS 26, Apple a lancé les notifications d’hypertension, une nouveauté majeure qui s’appuie exclusivement sur le capteur optique du poignet. Plutôt que d’effectuer des mesures ponctuelles, la montre analyse la façon dont les vaisseaux réagissent aux battements du cœur sur 30 jours glissants.
Apple prévient immédiatement que ce n’est ni un diagnostic, ni un tensiomètre. Mais la firme estime que cette fonction pourrait aider à détecter plus d’un million de cas d’hypertension non diagnostiqués dans la première année. Cette promesse s’appuie sur une idée centrale : ce n’est pas la mesure instantanée qui compte, mais les tendances physiologiques.
Comment extraire beaucoup plus d’infos (avec les mêmes capteurs) ?
Le document — de son petit nom Hybrid Modeling of Photoplethysmography for Non-Invasive Monitoring of Cardiovascular Parameters — ne mentionne à aucun moment l’Apple Watch. En réalité, il s'agit que de recherche fondamentale, un peu complexe pour la plupart d'entre nous.
Mais cette dernière repose sur un capteur PPG (photopléthysmographie), avec pour but d'estimer des paramètres cardiaques profonds comme le volume d’éjection systolique (quantité de sang pompée à chaque battement), le débit cardiaque, et, potentiellement, d’autres biomarqueurs hémodynamiques essentiels. Des mesures qui sont possibles à partir d’un simple signal lumineux capté au poignet ou au doigt. Forcément, on imagine bien le potentiel d'une telle fonction intégrée à l'Apple Watch.
Comment Apple compte s'y prendre ?
Les chercheurs ont combiné des simulations hémodynamiques massives (des milliers d’ondes de pression artérielle (APW) simulées et parfaitement labellisées), avec des données cliniques réelles (PPG + APW mesurés simultanément chez de vrais patients). À partir de là, Apple a entraîné un modèle génératif capable de traduire un signal PPG en onde de pression artérielle — autrement dit, d’inférer ce qui se passe dans les artères, sans les mesurer directement.
Ensuite, un second modèle estime les biomarqueurs cardiaques à partir de ces APW reconstruites. A la fin, le programme va convertir les données via une IA, en déduire certains comportement (volume d'éjection, débit cardiaque...) et générer plusieurs scénarios plausibles. Les valeurs ne sont pas parfaites mais cela surpasse toutes les méthodes classiques basées uniquement sur le PPG.
Qu'en penser ?
On voit bien le potentiel pour l’Apple Watch — même si rien n’est annoncé. En effet, cette approche pourrait être adaptée aux capteurs PPG portés (donc ceux de l'Apple Watch), permettre un suivi passif, sur le long terme et surtout non invasif. Ce genre d'appareil pourrait alors ouvrir la voie à une nouvelle génération de biomarqueurs cardiaques et assurer un meilleur suivi au quotidien. Il est impossible de dire si ces travaux se retrouveront dans un produit. Mais l'idée est bien là...
