Cette étude vise à évaluer la performance diagnostic d’un algorithme dans le cadre de la crise d’asthme de l’enfant âgés entre 2 et 16 ans, se présentant aux Service d’Accueil et d’Urgences Pédiatriques des HUG, comparativement au médecin. 

L'objectif final est de permettre au patient ou à ses parents d'enregistrer par eux-mêmes ses sons respiratoires avec l'asthmoscope, en dehors de toute crise, comme tracé de base. Puis lors de difficultés respiratoires, d'ausculter avec l'asthmoscope qui le conseillera sur la conduite à tenir grâce à l'intelligence artificielle (aller voir son médecin, commencer un traitement etc).

• Enfant âgé > 2  et < 16 ans se présentant aux urgences pédiatriques des HUG (SAUP)
• Diagnostic clinique de crise d'asthme

• Comorbidités: cardiopathie congénitale
• Pathologie broncho-pulmonaire chronique autre que l'asthme

290 patients seront inclus et la durée de l'étude est de 2 ans. A ce jour, 70 patients ont été enrôlés à Genève.

1ère partie:

Examens cliniques pour évaluer la crise d'asthme avec radiographie thoracique si nécessaire
Enregistrement de l'auscultation avant et après le traitement par salbutamol inhalé, au SAUP toutes les 20 mn pendant 1 heure
Les examens biologiques et microbiologiques pris à ce moment là pourront être exploités.

Si l’enfant est hospitalisé:
Enregistrement des données cliniques et auscultatoires avant et après le traitement bronchodilatateur, dans les 6 heures suivant l’admission dans le service,
puis une fois par jour le matin avant et après l’administration d’un bronchodilatateur, jusqu’au jour de sortie.

2ème partie:

Consultation à domicile à 1 semaine puis 6-8 semaines après la crise avec:
Enregistrement de l'auscultation avec l'asthmoscope avant et après administration du traitement par bronchodilatateur
Spirométrie pour les enfants > 7 ans (dispositif EasyOneAir ®)
Prises de mesures de paramètres environnementaux (CO2, PM2.5)
Enregistrement des données patient sur Redcap

3ème partie:

Les données récoltées seront segmentées et donneront des caractéristiques physiologiques et spectrales. 
Ces caractéristiques constitueront la base de données d'entraînement et de validation de l'algorithme d'apprentissage automatique de l'asthmoscope.
Ces caractéristiques seront intégrées dans un modèle prédictif de classification qui calculera la probabilité que les données observées aient été produites pour un patient avec une crise d’asthme.

Ligue Pulmonaire de Genève; Fondation Gertrude Von Meissner; fonds MIMOSA pour l'interne de recherche.

L'équipe de cette étude reçoit l'aide de la plateforme de recherche PGO des HUG, qui fait partie du réseau SwissPednet.