Longevity & AgingArticle de rechercheAccès libre

Les objets connectés et l'IA se montrent prometteurs pour repérer précocement le déclin cognitif, mais leur validation prend du retard

Une revue systématique de 49 études associe un sommeil perturbé et des rythmes veille-activité désorganisés à de moins bonnes performances cognitives. Les modèles d'IA atteignent des AUC de 0,70 à 0,95, mais n'ont pas fait l'objet d'une validation externe.

vendredi 20 novembre 2026 0 vue
Publié dans J Med Internet Res
Older adult asleep wearing a smartwatch, with glowing rest-activity rhythm waves and a faint brain outline above

Résumé

Cette revue systématique a regroupé 49 études (2020-2025) portant sur l'utilisation de données issues d'appareils connectés (wearables) pour la détection précoce des troubles cognitifs et de la démence. La plupart des études ont recouru à l'actigraphie de qualité recherche, et la majorité des analyses étaient statistiques. Un sommeil fragmenté, des rythmes circadiens affaiblis et une activité irrégulière étaient associés à de moins bonnes performances cognitives, avec des tailles d'effet faibles à modérées. Les modèles d'apprentissage automatique et d'apprentissage profond ont rapporté des AUC d'environ 0,70 à 0,95. Seulement environ un quart des études abordaient directement la détection précoce ou la prévention par l'estimation du risque ou la prédiction. Les échantillons étaient souvent de petite taille, la durée de suivi était courte et la validation externe était limitée. Les données sont de nature associative et relèvent surtout du diagnostic ou de la stratification du risque ; elles ne prouvent pas que les appareils connectés améliorent les résultats de santé. La revue n'a pas fait l'objet d'un enregistrement préalable et n'a pas procédé à une méta-analyse des résultats.

Résumé détaillé

Les tests cognitifs standards, comme le MMSE et le MoCA, sont ponctuels : ils peuvent donc passer à côté des changements progressifs qui précèdent la démence. Les objets connectés peuvent enregistrer de manière passive le sommeil, l'activité et les rythmes circadiens sur de longues périodes, et l'IA pourrait transformer ces flux de données en biomarqueurs numériques pour détecter plus tôt le risque. Cette revue s'est demandé dans quelle mesure les données disponibles étayent cette idée.

Les auteurs ont interrogé PubMed, Scopus, ACM Digital Library et SpringerLink à la recherche d'études humaines évaluées par des pairs, publiées entre janvier 2020 et décembre 2025. Les participants devaient avoir un âge moyen d'au moins 50 ans, les données des objets connectés devaient couvrir au moins 24 heures et les critères d'évaluation cognitive devaient être validés. Deux évaluateurs ont sélectionné les études et évalué le risque de biais. La revue n'a pas été enregistrée de manière prospective. Les appareils, les critères d'évaluation et les méthodes étant très variables, il n'y a pas eu de méta-analyse, seulement une synthèse narrative.

Quarante-neuf études ont été incluses, avec des tailles d'échantillon allant de 14 à 91 948 participants (plus de 200 000 au total, médiane de 145). L'actigraphie de qualité recherche dominait (43/49), et les appareils grand public figuraient dans 7 études. Le MMSE était le critère d'évaluation le plus fréquent (18/49). La plupart des analyses étaient statistiques (36/49), 7 utilisant l'apprentissage automatique et 6 l'apprentissage profond. Le schéma d'étude était partagé entre études transversales (21) et études de cohorte longitudinales (24). La plupart des études ont été jugées à faible risque de biais (environ 69-71 %, l'article rapportant des chiffres légèrement différents).

Les analyses statistiques ont associé un sommeil perturbé, des rythmes circadiens fragmentés et une activité irrégulière à une cognition plus faible, avec des tailles d'effet modestes à modérées. Les classificateurs d'apprentissage automatique et d'apprentissage profond ont rapporté des AUC d'environ 0,70 à 0,95. Environ un quart des études (13/49) portaient sur la détection précoce ou la prévention, par l'estimation longitudinale du risque ou la modélisation prédictive. Les autres présentaient des résultats corrélationnels indirects.

Le signal est un marqueur comportemental de risque, et il fonctionne au niveau de la détection et de la stratification. La revue ne montre pas qu'une action guidée par un objet connecté modifie les résultats cognitifs ou l'incidence de la démence. Parmi les réserves : des échantillons de petite taille, une surveillance de courte durée, une validation externe limitée et de larges fourchettes d'AUC reflétant probablement des schémas d'étude plus faibles dans le bas de la fourchette. Les grandes cohortes (47 000 à 92 000 participants) ont pesé lourdement sur les chiffres agrégés. Une causalité inverse est également possible, car la neurodégénérescence précoce peut elle-même perturber le sommeil et les rythmes. Les biomarqueurs issus d'objets connectés méritent d'être suivis, mais ils ne sont pas encore validés pour le dépistage individuel.

Principales conclusions

  • 49 studies (2020-2025) included; 87.8% used research-grade actigraphy and 14.3% used commercial wearables.
  • Disrupted sleep, circadian fragmentation and irregular activity were associated with worse cognition, with modest-to-moderate effect sizes.
  • Machine and deep learning classifiers reported AUCs of about 0.70-0.95; external validation was limited.
  • Only 13/49 studies (26.5%) addressed early detection or prevention via longitudinal risk estimation or prediction.
  • No meta-analysis was possible; the review was not preregistered, and evidence of improved outcomes from wearable-guided action is absent.

Méthodologie

Revue systématique conforme à PRISMA 2020, menée dans quatre bases de données, avec sélection des études et évaluation du risque de biais réalisées en double, de façon indépendante (ATCS, Newcastle-Ottawa, Cochrane, QUADAS-2). Synthèse narrative uniquement, en raison de l'hétérogénéité des études ; revue non préenregistrée. La taille des échantillons variait de 14 à 91 948 participants.

Limites de l'étude

Les études incluses reposaient souvent sur de petits échantillons, un suivi de courte durée et une validation externe limitée, et les associations peuvent refléter une causalité inverse. L'hétérogénéité a empêché la mise en commun des données, la revue n'a pas été enregistrée, et la recherche s'est limitée à l'anglais, avec 15 rapports introuvables. Les AUC rapportées couvrent un large éventail de valeurs et peuvent être trop optimistes compte tenu de la validation externe limitée.

Ce résumé vous a plu ?

Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.

Saisissez votre e-mail pour vous abonner :