Samu-Voice : analyser la voix et la parole pour détecter des infarctus

Créer un modèle d’IA capable d’évaluer la probabilité d’infarctus en fonction des informations transmises par le patient et de sa voix lorsque lui ou elle appelle le Samu : telle est l’ambition du projet Samu-Voice, qui rassemble cliniciennes et cliniciens du CHRU de Nancy et chercheur·es et enseignant·es-chercheur·es du Centre Inria de l’Université de Lorraine et du Loria (CNRS-Université de Lorraine).

Elio Stasica, doctorant Inria au Loria et le Dr Clément Joly, interne en médecine d’urgence au CHRU de Nancy, nous dévoilent la genèse de ce futur outil d’aide à la décision pour les médecins.

Pourquoi avez-vous choisi de vous concentrer sur les infarctus ? En quoi représentent-ils une problématique particulièrement importante pour le Samu ?

Clément Joly : Lors d’un infarctus du myocarde complet, une partie du cœur est complètement privée d’oxygène et les recommandations européennes estiment que le patient doit subir une intervention de désobstruction dans les 90 minutes qui suivent son appel au Samu pour éviter des dégâts irréversibles aux tissus. Chaque minute compte et la détection de ces cas constitue donc un enjeu majeur pour les équipes d’urgences.

Elio Stasica : Le problème de cette détection rapide est double. D’une part, un Samu comme celui de Nancy reçoit entre 500 et 600 appels par jour, dont la moitié concerne des douleurs thoraciques. Or parmi celles-ci, seuls 5% correspondent à des infarctus complets et 15% à des infarctus autres, qui doivent être traités dans les 24 heures. D’autre part, les symptômes des infarctus sont parfois peu spécifiques, en particulier chez les femmes. Il est très difficile de les diagnostiquer seulement à partir d’une description clinique par téléphone. La priorité est donc de ne pas rater les 5% d’infarctus complets et de les adresser directement vers le plateau de cardiologie, tout en rationalisant l’utilisation des moyens préhospitaliers à disposition dans le département.

Le projet Samu-Voice vise-t-il justement à faciliter la détection de ces infarctus complets ?

ES : Oui, le professeur Tahar Chouihed, chef de service des urgences de Nancy ainsi que du Samu54, et Emmanuel Vincent, directeur de recherche Inria, ont mis sur pied ce projet avec l’ambition de créer un outil d’aide à la décision qui permette d’évaluer, à partir de la voix et du discours du patient, la probabilité d’infarctus. Ce projet s’inscrit lui-même dans un cadre plus large, celui du cluster IA Grand Est ENACT, via lequel est financée la thèse que j’ai commencée en septembre 2025. Ma recherche vise notamment à repérer des biomarqueurs vocaux de l’infarctus, puis à construire des « réseaux de symptômes » : les caractéristiques acoustiques de la voix du patient et les signes cliniques mentionnés par l’appelant (patient ou autre) constitueront les nœuds de ce réseau, reliés par des corrélations. La force de ces corrélations permettra d’établir une probabilité d’infarctus.

CJ : Nous exploiterons bien sûr le discours lui-même afin d’apprendre à des modèles d’IA à stratifier le risque d’infarctus à partir de l’analyse de la parole. Toutefois, la thèse d’Elio va au-delà, en cherchant à développer un champ encore inexploré dans le domaine scientifique : la reconnaissance d’informations trop fines pour être perceptibles par l’oreille dans la voix, auxquelles les médecins n’auraient donc pas accès sans l’aide du logiciel.

Au croisement de la médecine et de l’informatique, le projet Samu-Voice implique-t-il une grande interdisciplinarité de la part de l’équipe ?

CJ : C’est indispensable sur ce type de projet, car nous sommes totalement dépendants les uns des autres pour avancer ! Par exemple, Elio m’a beaucoup appris sur le traitement de la parole et de l’audio, tandis que je lui ai transmis des connaissances sur les infarctus. De même, chaque membre de l’équipe apporte sa propre expertise qu’il met au service de tous les autres. C’est extrêmement enrichissant.

ES : Ma thèse elle-même est interdisciplinaire ! Elle est codirigée par Romain Serizel, professeur à l’Université de Lorraine et spécialiste dans le traitement acoustique du signal de parole, et Vincent P. Martin, chargé de recherche Inria, expert dans les biomarqueurs vocaux et les réseaux de symptômes. Par ailleurs, au Samu54, François de Canteloube, assistant de régulation médicale superviseur, nous aide dans la compréhension du fonctionnement du Samu et dans la récolte des données. Un poste d’ingénieur / postdoc a également été financé en appui au projet pour une durée totale de deux ans. En outre, des internes en médecine et stagiaires en informatique et en traitement automatique des langues ont déjà commencé à nous aider sur de plus courtes durées.

Quelles sont les principales difficultés que pose le développement de votre outil d’IA ?

CJ : La première est d’ordre légal : les appels au Samu constituent des données protégées par le secret médical et par les normes sur les données personnelles. Nous sommes en train d’effectuer les démarches auprès de la Commission nationale de l’informatique et des libertés (Cnil), en vue d’obtenir le droit de les exploiter, de façon sécurisée et uniquement dans le cadre du projet Samu-Voice, sur les ressources de calcul d’Inria et du CNRS. Nous espérons recevoir cette autorisation en octobre 2026.

ES : À cela s’ajoutent les obstacles techniques. D’abord, concernant la qualité audio, les appels au Samu sont enregistrés en 8 kHz, alors que les modèles d’IA de retranscription sont en général conçus pour 16 kHz. Il a donc fallu que nous adaptions notre chaîne de traitement et que nous rééchantillonnions les enregistrements. Autre difficulté : les appels au Samu sont enregistrés en monochannel, c’est-à-dire que l’appelant et le médecin sont sur le même canal. Nous avons donc besoin d’une étape de traitement automatique pour repérer qui parle et quand afin de ne garder que la voix du patient. Enfin, certaines situations mettent les modèles existants en difficulté : le bruit de fond, tant du côté des patients que des médecins, mais aussi les moments où deux personnes conversent en même temps, ou encore lorsque l’appelant parle avec un fort accent.

Nous allons donc faire écouter à nos modèles un très grand nombre d’enregistrements pour les adapter à nos données. Un gros travail s’imposera ensuite pour leur « apprendre » à reconnaître les informations cliniques fournies par l’appelant et à les normaliser selon les diverses formulations possibles des locuteurs. Par exemple, « cela m’oppresse » ou « j’ai mal aux côtes » sont deux phrases complètement différentes… mais qui toutes les deux peuvent dénoter la présence d’une douleur thoracique.

Concrètement, comment vont se dérouler vos recherches ?

CJ : D’ores et déjà, nous avons identifié 5000 patients orientés directement sur le plateau de cardiologie de Brabois après leur appel au Samu, entre 2019 et 2025. Sur ce nombre, 800 ont reçu un diagnostic d’infarctus complet. Si notre demande auprès de la Cnil est acceptée, nous souhaiterions élargir notre base de données aux autres plateaux de cardiologie de l’agglomération nancéienne (cliniques privées), ce qui, nous l’espérons, permettra de constituer une cohorte de 10 000 personnes environ. Une étape incontournable consistera à retrouver les patients présentant un tableau atypique d’infarctus, d’abord orientés aux urgences, puis transférés en cardiologie dans un deuxième temps.

ES : À partir de tous ces appels, nous allons entraîner puis tester différents modèles d’IA. Certains seront chargés de différencier les voix du médecin et des appelants puis de transcrire le texte. D’autres seront dédiés à la reconnaissance des caractéristiques de la voix ou du discours en lien avec l’infarctus. Il nous faudra aussi résoudre le problème de l’interprétabilité : le médecin doit pouvoir comprendre sur quels critères s’appuie l’IA pour établir sa probabilité d’infarctus afin de prendre sa décision finale en toute responsabilité.

D’autres études sont en cours pour décortiquer notamment le raisonnement clinique des professionnels de l’urgence. Ainsi, nous avons aussi mis en place une étude perceptuelle auprès de 32 médecins du Samu, pour comprendre les informations que ceux-ci prennent en compte dans leurs échanges avec les patients, avec quelle précision ils sont certains de leur diagnostic et en combien de temps ils l’établissent.

L’outil aura pour but d’aider les médecins dans cette certitude diagnostique et de diminuer le temps de détection. Nous étudierons aussi les différences d’appropriation de l’outil entre internes et médecins seniors afin de savoir s’il est aussi pertinent de l’implémenter pour les premiers que pour les seconds.

J’espère pouvoir répondre à ces différentes questions au cours de ma thèse. Puis l’objectif sera de travailler à l’implémentation de l’outil lui-même pour une aide à la décision en temps réel auprès du Samu… avec l’espoir d’améliorer ainsi la prise en charge des infarctus complets. À plus long terme, nous souhaitons même élargir l’outil à la détection précoce de l’arrêt cardiaque préhospitalier.

(source : Centre Inria de l’Université de Lorraine)