Une équipe de recherche composée d’experts de l’Africa Health Research Institute (AHRI) et de l’University College de Londres (UCL) a exploité l’intelligence artificielle pour améliorer la capacité des agents de santé à diagnostiquer le VIH. Pour cela, ses membres ont utilisé des algorithmes de deep learning qu’ils ont associé à l’immunochromatographie, une technique permettant de diagnostiquer des patients atteints du VIH, mais aussi plus récemment du COVID-19. Cette découverte pourrait améliorer les capacités d’interprétation des résultats des tests de dépistage du VIH dans les pays sous-développés.
Une étude qui utilise l’intelligence artificielle pour améliorer le diagnostic du VIH
Chaque année, ce sont plus de 100 millions de tests qui sont effectués à travers le monde pour détecter si des personnes sont atteintes du VIH. Un nombre relativement conséquent qui appelle à ce que les résultats soient le plus précis possible. Les chercheurs précisent que la moindre amélioration de la qualité de ces tests pourrait avoir un impact sur la vie de millions de personnes puisque cela réduirait le taux de personnes diagnostiqué positif ou négatif au VIH alors que le résultat serait tout autre.
Des chercheurs du centre de nanotechnologie de l’UCL et de l’AHRI ont exploité le deep learning pour améliorer la capacité des acteurs de santé à diagnostiquer le VIH à l’aide de l’immunochromatographie dans les zones rurales d’Afrique du Sud. L’ensemble de leurs résultats a fait l’objet d’une publication au milieu du mois de juin dont l’auteur principal est Rachel McKendry, chercheur pour l’institut de nanotechnologies à l’UCL et directrice d’i-sense.
Le deep learning exploité par les chercheurs
L’équipe de recherche a exploité le potentiel des capteurs de téléphones portables, des caméras, mais aussi la puissance de traitement et de partage des données pour développer une application capable de lire le résultat des tests à partir d’une image prise par les utilisateurs sur un smartphone. L’outil peut également communiquer les résultats aux systèmes de santé publique et donc collecter ces données pour donner des soins appropriés.
Une bibliothèque de plus de 11 000 images de tests de dépistage du VIH prises dans diverses conditions a été utilisée pour entrainer les algorithmes de deep learning exploités pour la création de l’application. Ces algorithmes classent les images de test comme étant “positives” ou “négatives”. La professeur Rachel McKendry précise :
“Cette étude est un partenariat très solide avec l’AHRI et démontre tout l’intérêt d’exploiter le deep learning pour classer avec succès des images de test rapide acquises sur le terrain. L’objectif est de réduire le nombre d’erreurs pouvant survenir lors de la lecture des résultats des tests à l’œil nu. Cette recherche montre l’impact positif que les outils de santé mobiles peuvent avoir dans les pays à revenu faible et intermédiaire, et ouvre la voie à une étude plus large à l’avenir.”
Expérimentations et avenir du projet
Les chercheurs ont testé leur application auprès de cinq utilisateurs différents (infirmière, agent de santé nouvellement formé, etc.). Ils ont proposé à ces cinq volontaires d’interpréter à l’œil nu une quarantaine de tests de VIH puis de prendre en photo le résultat de ces tests afin que l’application puisse donner son verdict.
L’outil de deep learning a pu réduire les erreurs de lecture des tests en classant correctement l’ensemble des résultats “positifs” ou “négatifs” avec une précision de 98,9% contrairement à l’interprétation plus traditionnelle à l’œil nul (92,1 %). Valérian Turbé, un des auteurs de l’article et chercheur à l’UCL, ajoute :
“Après avoir passé du temps au KwaZulu-Natal (ndlr : une province d’Afrique du Sud) avec des agents de terrain organisant la collecte de données, j’ai vu à quel point il était difficile pour les gens pour accéder aux services de santé de base. Si ces outils peuvent aider à former les gens à interpréter les images, vous pouvez faire une grande différence dans la détection du VIH à un stade très précoce, ce qui signifie un meilleur accès aux soins de santé ou en évitant un diagnostic incorrect. Cela pourrait avoir des implications massives sur la vie des gens, d’autant plus que le VIH est transmissible.”
Les experts affirment que la communication en temps réels des tests grâce à un appareil connecté pourrait aider à la formation du personnel et à la gestion des épidémies, en mettant en évidence les zones où un virus circule le plus. L’équipe de recherche prévoit à l’avenir d’évaluer son application de manière plus large afin de connaître le niveau de performance du système avec des utilisateurs d’âges, de sexes et de niveaux de culture numérique différents, mais aussi de s’intéresser à d’autres malades comme le paludisme, la syphilis, la tuberculose ou la grippe.
