Le stéthoscope électronique mesure-t-il les sons respiratoires ?

L’auscultation pulmonaire demeure l’examen de première intention pour apprécier l’encombrement bronchique et orienter la prise en charge en kinésithérapie respiratoire. Elle repose toutefois sur une perception auditive individuelle, non enregistrée et non quantifiée. Sa reproductibilité est le point faible le mieux documenté : la concordance entre observateurs est faible à modérée, avec des coefficients kappa de l’ordre de 0,35 à 0,55, en deçà du seuil de fiabilité communément admis. À cette variabilité s’ajoutent une nomenclature longtemps hétérogène — désormais stabilisée par les travaux de standardisation internationale — et l’absence de trace exploitable : rien de ce qui est entendu ne peut être réécouté, comparé, ni transmis.

Cette limite est doublement pénalisante. En pratique, elle empêche d’objectiver l’effet d’une séance de désencombrement autrement que par le jugement du praticien. En recherche, elle prive la discipline de critères de jugement quantifiés et sensibles, ce qui contribue au niveau de preuve modéré de nombreuses interventions.

Le stéthoscope électronique, qui amplifie, filtre et enregistre le signal acoustique, puis les algorithmes d’apprentissage automatique appliqués à ce signal, sont présentés comme une réponse à ce problème. Les revues existantes rapportent des performances de détection et de classification globalement bonnes mais hétérogènes, et soulignent un risque de biais fréquent. Ces travaux abordent toutefois l’instrument sous l’angle de la précision diagnostique d’une pathologie, et non sous celui de ses qualités de mesure : validité, fiabilité, erreur de mesure, sensibilité au changement.

Revue systématique de propriétés de mesure conduite selon PRISMA 2020 et le manuel COSMIN. Le protocole a été élaboré a priori, avant le début de la recherche documentaire ; il n’a pas été enregistré sur une plateforme publique, ce qui constitue une limite discutée plus loin.

Le cadre COSMIN structure la question autour de quatre éléments : le construit mesuré, la population, l’instrument et les propriétés de mesure. Le construit retenu était le signal acoustique respiratoire lui-même — présence, type et évolution des sons adventices — comparé à une référence acoustique experte.

Cette dernière restriction est structurante : elle distingue la validation d’un instrument de mesure de celle d’un test diagnostique, et écarte de ce fait une part visible de la littérature récente en intelligence artificielle.

Quatre bases ont été interrogées — PubMed (MEDLINE), Web of Science, Cochrane CENTRAL et PEDro — sur la période 2010–2026, en anglais et en français. La recherche principale combinait trois ensembles de termes : l’instrument, les propriétés de mesure et le contexte respiratoire. Pour PubMed, l’ensemble « propriétés de mesure » reposait sur le filtre méthodologique validé de Terwee et al. Une recherche d’appoint, en deux ensembles seulement, a été ajoutée afin de capter les études de validation par IA qui ne rapportent que des indicateurs chiffrés (AUC, courbe ROC, score F1, valeurs prédictives), sans le vocabulaire classique des propriétés de mesure.

La sensibilité de la stratégie a été contrôlée au moyen d’une liste de 17 études de référence constituée avant la construction des équations : 16 d’entre elles étaient retrouvées.

Après dédoublonnage, la sélection sur titre et résumé a été réalisée sur Rayyan, en mode aveugle, par deux évaluateurs indépendants ; la lecture en texte intégral a appliqué les critères d’éligibilité, chaque exclusion étant motivée. L’accord inter-évaluateurs a été quantifié par le kappa de Cohen, les désaccords résolus par consensus. La qualité méthodologique de chaque étude a été évaluée avec la checklist COSMIN Risk of Bias, en appliquant la règle du « pire score », puis le niveau de preuve a été gradé selon une approche GRADE adaptée. L’hétérogénéité des populations, des conditions d’enregistrement et des métriques a interdit toute méta-analyse : la synthèse est narrative, structurée par propriété de mesure.

Sur 1 054 références identifiées, 379 doublons ont été retirés et 675 références uniques examinées au titre et au résumé. Cent quarante-six rapports ont été évalués en texte intégral, dont 89 issus de la recherche principale et 57 de la recherche d’appoint. Cinquante études ont été incluses et 94 exclues. Les motifs d’exclusion dominants en texte intégral étaient la cible « maladie ou événement clinique » — l’index visant une pathologie et non le son — et les études purement algorithmiques validées sur bases publiques, sans dispositif ni patients propres.

Les 49 études cotées couvrent une grande variété de dispositifs — stéthoscopes électroniques commerciaux (Littmann 3200 et CORE, ThinkLabs, CliniCloud, TytoCare, StethoMe, LungPass, Skeeper, HWZ-1000T) et prototypes de recherche — et de populations, pédiatriques comme adultes, en milieu hospitalier, ambulatoire ou à domicile. La majorité couple le dispositif à un algorithme d’intelligence artificielle. Les sons évalués sont principalement les crépitants et les sibilants, plus rarement les ronchi et le stridor.

Le risque de biais est hétérogène : une étude est cotée « très bon », 20 « adéquat », 24 « douteux » et 4 « inadéquat », soit près de six études sur dix à risque douteux ou inadéquat. Les sources de biais sont récurrentes : un étalon de référence constitué par le propre jeu d’entraînement et de test du modèle plutôt que par une annotation experte indépendante ; une validation uniquement interne, sans séparation des données au niveau du patient ; des effectifs faibles ; et une description insuffisante du déroulement de la mesure.

La validité de critère est de loin la propriété la plus étudiée (environ 41 études). Les performances rapportées sont globalement élevées : exactitude de 77 à 98 %, aire sous la courbe de 0,74 à 0,89, score F1 de 0,72 à 0,92, sensibilité et spécificité fréquemment supérieures à 80 %.

Ces résultats appellent toutefois la prudence. Ils proviennent en très grande majorité de validations internes sur bases annotées : l’algorithme est entraîné puis testé sur une même collection de sons déjà enregistrés et étiquetés, une partie des données étant simplement mise de côté pour l’évaluation. Cette approche surestime le plus souvent les performances réelles, faute d’avoir été confrontée à d’autres patients, d’autres appareils et d’autres conditions d’enregistrement. Les rares évaluations prospectives ou en conditions cliniques réelles sont plus modestes : exactitude de 82,2 % en prospectif chez Park et al., sensibilité de 96 % mais spécificité de 67 % au niveau du patient chez Hoekstra et al.

La fiabilité est nettement moins documentée (environ 8 études) et les résultats sont modestes. La concordance inter-évaluateurs va de faible à modérée : kappa de Fleiss de 0,17 à 0,39 chez Magor et al., jugé insuffisant ; kappa de 0,44 à 0,71 chez Menachemi et al. ; kappa corrigé de la prévalence de 0,40 à 0,65 chez Park et al. La seule étude de fiabilité de bonne facture, un test-retest intra-sujet, rapporte des coefficients de corrélation intra-classe de 0,66 à 0,89 pour les paramètres des crépitants. La concordance entre dispositif numérique et stéthoscope conventionnel est en revanche bonne lorsqu’elle est testée (kappa de 0,80 à 0,83). Au total, la reproductibilité de l’interprétation des sons demeure un point faible, et la fiabilité propre des algorithmes — rendent-ils le même résultat sur un même enregistrement analysé deux fois ? — est rarement évaluée.

L’erreur de mesure n’est abordée que par une seule étude, au moyen du coefficient de corrélation intra-classe et d’une représentation de Bland-Altman ; aucun seuil de plus petit changement détectable ni de différence minimale importante n’est établi dans le corpus. Surtout, aucune étude incluse n’évalue la sensibilité au changement, c’est-à-dire la capacité de l’instrument à détecter l’évolution des sons adventices sous traitement. C’était pourtant l’angle différenciant de cette revue et l’usage le plus pertinent en kinésithérapie respiratoire. Cette absence constitue le principal vide de la littérature.

Les études couplant le stéthoscope à un algorithme dominent le corpus et concentrent les meilleures performances de validité de critère. Les rares comparaisons directes entre l’humain et la machine suggèrent un avantage de l’algorithme pour la classification des sons : score F1 de 72 % contre 61 % pour les cliniciens, bonne concordance entre algorithme et panel d’experts. Cet avantage est cependant établi presque exclusivement sur des validations internes, avec un risque de biais souvent douteux, et il ne s’étend pas aux autres propriétés : rien n’indique à ce jour que l’intelligence artificielle améliore la fiabilité ou la sensibilité au changement, faute d’études.

Il convient de distinguer deux niveaux d’analyse : le risque de biais est coté étude par étude, tandis que le niveau de preuve qualifie l’ensemble des travaux disponibles pour une propriété donnée. Une étude isolée jugée « très bon » ne suffit donc pas à porter une propriété au niveau « élevé », celui-ci supposant des résultats concordants, précis et issus de plusieurs études de bonne qualité. De fait, aucune propriété de mesure n’atteint un niveau de preuve élevé : il est modéré pour 24 résultats, faible pour 18 et très faible pour 7.

Cette revue met en évidence un déséquilibre net entre les propriétés de mesure du stéthoscope électronique. La validité de critère est abondamment documentée et globalement satisfaisante : l’instrument, surtout couplé à un algorithme, identifie et classe les sons adventices avec une concordance élevée vis-à-vis d’une référence experte, mais cette performance, établie majoritairement sur validation interne, ne dépasse pas un niveau de preuve modéré. La fiabilité est faiblement documentée et modeste. L’erreur de mesure n’est abordée que par une étude. La sensibilité au changement, enfin, n’est évaluée par aucune. L’outil est prometteur pour la détection, mais non validé pour le suivi.

Un constat transversal se dégage de la sélection : la littérature récente sur les sons respiratoires est dominée par des études de développement et de validation d’algorithmes, le plus souvent entraînés et testés sur des bases de données publiques, sans dispositif d’auscultation ni patients propres. Ces travaux caractérisent la performance d’un modèle de classification, et non les propriétés de mesure d’un instrument en conditions cliniques réelles. Or les qualités de mesure d’un stéthoscope électronique dépendent de l’ensemble de la chaîne d’acquisition — capteur, amplification, numérisation, conditions d’enregistrement — et non du seul algorithme appliqué a posteriori à des signaux pré-enregistrés.

Cette distinction explique le volume important d’études écartées au screening, et constitue en soi un résultat : le champ valide abondamment des algorithmes sur des jeux de données de référence, mais très peu les instruments eux-mêmes auprès de patients.

Pour la pratique kinésithérapique, la portée de ces résultats est indirecte. Les études incluses sont conduites en contexte diagnostique — identification du son — rarement en contexte de suivi rééducatif, et presque jamais dans des situations spécifiquement kinésithérapiques telles qu’une séance de désencombrement ou un programme de réhabilitation. La transférabilité relève donc d’une extrapolation prudente : un dispositif valide pour reconnaître un crépitant n’est pas, de ce seul fait, un outil fiable et sensible pour mesurer la diminution de l’encombrement après une séance.

Tant que la fiabilité et la sensibilité au changement ne sont pas établies en conditions réelles, l’usage du stéthoscope électronique en kinésithérapie respiratoire devrait rester exploratoire et complémentaire de l’examen clinique, sans s’y substituer. Ce constat rejoint l’évolution des recommandations dans le champ : la remise en cause du désencombrement de première intention dans la bronchiolite du nourrisson s’accompagne d’un appel explicite à des critères de jugement objectifs pour évaluer les techniques restantes.

La principale force de ce travail tient à l’application, à un instrument acoustique, d’un cadre méthodologique conçu pour les instruments de mesure en santé, avec une distinction explicite entre construit acoustique et référence pathologique, une double évaluation indépendante, et l’usage de la règle du « pire score » qui évite de survaluer des performances issues de validations internes. La recherche d’appoint ciblant les métriques algorithmiques a par ailleurs amélioré la sensibilité de la stratégie.

Plusieurs limites doivent être soulignées. Le protocole n’a pas été enregistré sur une plateforme publique. La recherche s’est limitée à quatre bases indexées, sans recherche systématique de littérature grise, et la base CINAHL n’a pu être interrogée, ce qui expose à un biais de sélection pour la littérature paramédicale ; le contrôle par études de référence suggère néanmoins une bonne couverture. Seuls les articles en anglais et en français ont été retenus. L’hétérogénéité des dispositifs, des populations et des métriques a empêché toute méta-analyse. Enfin, le cadre COSMIN ayant été développé pour les questionnaires rapportés par le patient, son application à un capteur acoustique a supposé une adaptation : certaines propriétés — validité de contenu, validité de structure, cohérence interne — sont sans objet pour un signal unidimensionnel, tandis que des dimensions propres aux algorithmes, telles que la validation externe ou la calibration, ne sont pas couvertes par le cadre.

Trois priorités se dégagent.

Le stéthoscope électronique, avec ou sans intelligence artificielle, apparaît comme un outil valide pour identifier et classer les sons respiratoires adventices face à une référence experte, avec un niveau de preuve modéré. Cette promesse demeure toutefois fragile : les performances reposent massivement sur des validations internes, avec un risque de biais douteux ou inadéquat pour près de six études sur dix, et les rares évaluations en conditions cliniques réelles sont plus modestes. Surtout, les propriétés indispensables au suivi thérapeutique — fiabilité, erreur de mesure et sensibilité au changement — sont faiblement documentées, voire absentes de la littérature.

En l’état des connaissances, l’usage de cet instrument en kinésithérapie respiratoire doit rester exploratoire et complémentaire de l’examen clinique. Objectiver l’évaluation de l’encombrement bronchique suppose désormais moins de nouveaux algorithmes que des études de mesure conduites auprès de patients, dans les conditions réelles de la pratique.

Financement. Ce travail n’a bénéficié d’aucun financement spécifique.

Conflits d’intérêts. L’auteur déclare n’avoir aucun conflit d’intérêts en lien avec cet article.

Disponibilité des données. Les équations de recherche complètes, la grille d’extraction, la cotation détaillée du risque de biais par item et la liste des études incluses sont disponibles en matériel supplémentaire.

Utilisation d’outils d’assistance. Ce manuscrit a été rédigé par l’auteur. Un assistant conversationnel a été utilisé comme outil de relecture, pour la cohérence interne et la formulation. La conception de l’étude, les décisions méthodologiques, la sélection des études, l’extraction des données et la cotation du risque de biais relèvent exclusivement de l’auteur, qui assume l’entière responsabilité du contenu.

Remerciements. L’auteur remercie le D^r Agathe Ducrocq pour la direction de ce travail, ainsi que Florian Naye, PhD, pour ses conseils méthodologiques et l’orientation vers le cadre COSMIN.