La VFC permet-elle de vous reconnaître ? Ce que 202 enregistrements publics ont montré, et leurs limites

Pourquoi nous avons réalisé ce test

La VFC résume la variation des intervalles cardiaques de plusieurs façons. Elle est influencée par la posture, la respiration, l’âge et les conditions de mesure, mais peut aussi contenir des motifs répétés propres à une personne ou des caractéristiques partagées par un enregistrement.

Pour une app de santé, la possibilité de relier deux enregistrements est pertinente lorsqu’on évalue les risques liés au stockage, à l’exportation et au partage.

Comment la mesure a été réalisée

1. Utiliser des données publiques

   Dans le jeu de données Autonomic Aging de PhysioNet, nous avons utilisé les 211 sujets déjà figés comme ensemble de test. Parmi eux, 202 remplissaient les conditions.

2. Utiliser des parties distinctes de chaque enregistrement

   Des parties distinctes et sans chevauchement du même enregistrement ont servi de référence et de requête. Les règles précises de découpage ne sont pas publiées.

3. Comparer des informations dérivées de la VFC

   Une méthode de recherche a comparé des informations dérivées de la VFC. La conception des caractéristiques, le prétraitement et le calcul de similarité ne sont pas publiés.

4. Comparer au hasard

   Choisir au hasard parmi 202 personnes donne 0,5 % de réussite au premier rang. C’est la référence à laquelle la précision mesurée a été comparée.

Résultats

• Premier rang : 62/202 = 30,7 % (IC à 95 % : 24,7–37,4 % ; hasard : 0,495 %)
• Cinq premiers : 112/202 = 55,4 % (IC à 95 % : 48,6–62,1 % ; hasard : 2,48 %)
• Test de permutation (20 000 répétitions) : p < 0,0001
• En inversant le sens de la comparaison dans une analyse de sensibilité : premier rang 34,2 %, cinq premiers 55,9 %

Ce que ce résultat ne signifie pas

Pris isolément, le résultat pourrait être interprété comme « la VFC vérifie l’identité ». Ce n’est pas ce que ce test démontre. Ses limites doivent être énoncées clairement.

• L’inscription et la requête proviennent de la même séance : même jour, même appareil et même posture
• L’ensemble est fermé à 202 candidats ; la capacité à rejeter une personne inconnue n’a pas été mesurée
• La stabilité entre les jours, les appareils, le sommeil et l’éveil n’a pas été démontrée
• Des artefacts propres à la séance, au capteur ou au traitement peuvent contribuer à la liaison
• Ce n’est pas une évaluation de l’Apple Watch : le signal provenait d’un ECG clinique

Conséquences pour Feelmo

Compte tenu de ce résultat, Feelmo conserve en principe sur l’appareil les données dérivées de la VFC et les scores, sans envoi automatique vers les serveurs exploités par Feelmo. Le contenu que vous choisissez ne quitte l’appareil que lorsque vous lancez vous-même une exportation ou un partage vers la destination choisie.

Cette analyse ne détermine pas le statut juridique des données. Elle indique toutefois que deux sections séparées d’un enregistrement de la même séance peuvent rester reliables ; nous adoptons donc une conception prudente.

Données et transparence

Les résultats agrégés, les intervalles d’incertitude, les résultats de sensibilité et les limites ci-dessus sont publiés au format JSON.

Les informations individuelles ainsi que la conception précise des caractéristiques, le prétraitement et le calcul de rapprochement ne sont pas publiés. L’analyse exacte ne peut donc pas encore être reproduite indépendamment, ce qui constitue une limite importante.