Un système d’intelligence artificielle ayant pour objectif de prédire les épidémies de dengue jusqu’à trois mois à l’avance a été déployé en Malaisie. Plusieurs villes asiatiques et d’Amérique latine mènent des essais pilotes pour déployer cet outil et freiner le virus.
La dengue (ou grippe tropicale) est un virus ré-émergent transmis par les moustiques tigres qui connait une croissance rapide depuis les dernières décennies. Il présente un risque pour la moitié de la population mondiale et des millions de personnes sont infectées chaque année. On recense près de 20.000 décès par an. En France, plusieurs zones sont sous surveillance comme l’Île de la Réunion qui connait actuellement une épidémie sans précédent avec plus de 1.800 cas et une cinquantaine de personnes hospitalisées dans l’île depuis le début de l’année.
L’humidité, les points d’eau et autres zones propices au développement des moustiques sont donc à surveiller de très près mais ce n’est pas toujours évident. C’est pour cela que ce nouveau système, basé sur du machine learning, pourrait faire une grande différence. En exploitant des centaines de paramètres il permet de prédire le lieu où la prochaine épidémie pourrait avoir lieu. Climat, densité de population, architecture locale sont notamment pris en considération afin de pouvoir conseiller les spécialistes sur la meilleure intervention possible à réaliser.
Dhesi Raja, de l’Institute for Medical Research Malaysia et Rainier Mallol sont à l’origine ce système. Les enjeux sanitaires mais également économiques sont particulièrement importants comme l’indiquent les créateurs. À titre d’exemple, l’Amérique du Sud dépense 1 milliard de dollars pour contrôler la dengue tandis qu’en Asie ce sont 300 millions qui sont investis dans le contrôle des épidémies.
Dhesi Raja avait déjà remporté un prix de jeune innovateur de l’École de santé publique de l’Université Harvard et a indiqué au Forum 2018 sur la Santé de Genève qu’il y avait un réel besoin de faire un système de prédiction en temps réel. Il a précisé que l’idée leur était venue du fait d’une certaine frustration face à la gestion “passive/réactive” actuelle de ce type de maladies.
“Il y a une nécessité certaine à se connecter à un système pour connaître le nombre de cas signalés aujourd’hui, où se situent ces cas, où sont les sources, où se développeront les prochaines épidémies.
Nous disposons de bonnes mesures comme la fumigation, les larvicides, les moustiques génétiquement modifiés (GM), nous avons même des Wolbachia [bactéries qui réduisent la capacité des insectes à être infectés par des virus], mais, si nous ne savons pas quand et où cette épidémie pourrait se produire, cela engendre beaucoup de management sans planification et de campagnes nationales”.
Le système qu’ont développé Dhesi Raja et Rainier Mallol est baptisé AIME pour Intelligence Artificielle en Épidémiologie Médicale. Il intègre les données transmises automatiquement par les médecins au sujet de nouveaux cas de dengue. AIME peut ensuite effectuer des recherches parmi 90 bases de données concernant 276 variables relatives à la propagation du virus telles que le terrain, l’altitude, le type de toiture, les conditions climatiques, l’accumulation d’eau ou la densité de population. Après analyse, le système peut prédire les prochaines épidémies dans un rayon de 400 mètres.
Testé à Manille, aux Philippines, à Rio de Janeiro, au Brésil, et dans plusieurs états de Malaisie, AIME est parvenu à déterminer avec précision les épidémies avec un taux de fiabilité oscillant entre 81% et 84%. Selon Dhesi Raja, les données fournies par le système pour que les autorités sanitaires puissent intervenir sont à l’origine de la baisse des infections dans l’un des états malaysiens où AIME a été testé. Cependant, ces données ne sont pour l’instant pas appuyées par une étude officielle. Dans un article de SciDevNet, Oliver Brady, professeur adjoint à la London School of Hygiene and Tropical Medicine, relativisait l’intérêt de ce type de modèle statistique basé sur des données satellitaires. Selon lui, il y a énormément de variables à prendre en compte dans une telle épidémie et même si le système permet de prédire efficacement, il suffit de paramètres non pris en compte pour venir fausser les résultats.
“Si votre système est vraiment très bon pour prédire les épidémies, alors quelqu’un interviendra et commencera à traiter à l’aide d’un insecticide dans la zone prédite, et la dynamique de transmission changera. Donc, toutes ces relations importantes sur lesquelles le système a été entrainé via les données des dernières années pourraient maintenant être complètement différentes”.
