ACCUEIL > QUESTION D'ACTU > Intelligence artificielle : analyser la toux pour prédire l'évolution d'une épidémie

Virus respiratoires

Intelligence artificielle : analyser la toux pour prédire l'évolution d'une épidémie

Par Raphaëlle de Tappie

Des chercheurs américains ont mis au point un appareil de surveillance portable capable de détecter la toux et la taille d’une foule pour suivre en temps réel l’évolution de la propagation d’un virus respiratoire. 

YakobchukOlena/iStock

Alors que le monde entier est paralysé par la pandémie de Covid-19, la nouvelle tombe à point. Des chercheurs américains ont annoncé avoir fabriqué un appareil de surveillance portable capable de détecter la toux et la taille d’une foule pour suivre en temps réel l’évolution de la propagation d’un virus, a annoncé l'université du Massachusetts (Etats-Unis) le 19 mars dans un communiqué. Cet appareil, FluSense, sera utilisé dans les hôpitaux, les salles d’attente des services de santé et les grands espaces publics. A terme, il pourrait aider à prévoir la grippe saisonnière et d’autres épidémies respiratoires virales comme celle que nous sommes actuellement en train d’affronter.  

Cela fait longtemps que je m'intéresse aux sons corporels non vocaux. J'ai pensé que si nous pouvions capturer les sons de la toux ou des éternuements dans les espaces publics où beaucoup de gens se rassemblent naturellement, nous pourrions utiliser ces informations comme une nouvelle source de données pour prévoir les tendances épidémiologiques”, explique Tauhidur Rahman, professeur adjoint en informatique et en sciences de l'information, co-auteur de l’étude, en préambule.

Ses collègues et lui ont donc commencé par développer un modèle de toux en laboratoire. Puis, ils ont entraîné un modèle de calcul à dessiner des délimitations sur des images thermiques représentant des personnes et à les compter. “Notre principal objectif était de construire des modèles prédictifs au niveau de la population, et non au niveau individuel”, détaille Tauhidur Rahman, assurant que cette plateforme ne stockait aucune information personnelle identifiable.  

Prédire avec précision les taux quotidiens de maladies 

Les scientifiques ont ensuite placé les appareils, enfermés dans une boîte rectangulaire, dans quatre salles d’attente des services de santé de l'université du Massachusetts à Amherst (Etats-Unis). De décembre 2018 à juillet 2019, la plateforme a recueilli et analysé plus de 350 000 images thermiques et 21 millions d'échantillons audio non vocaux provenant des salles d'attente publiques.

Résultat : FluSense a réussi à prédire avec précision les taux de maladie quotidiens de la clinique. “Les premières informations liées aux symptômes saisies par FluSense pourraient fournir des informations supplémentaires et complémentaires précieuses aux efforts actuels de prévision de la grippe”, comme le réseau FluSight, un consortium multidisciplinaire d'équipes de prévision de la grippe, notent les chercheurs. “Cela peut nous permettre de prévoir les tendances de la grippe de manière beaucoup plus précise”, se félicite Rahman. 

Pour Forsad Al Hossain, auteur principal de l’étude, FluSense illustre bien les possibilités de l’intelligence artificielles dans le domaine de la santé. “Nous essayons d'amener les systèmes d'apprentissage machine à la pointe, explique-t-il, en montrant à la presse les composants compacts à l'intérieur du dispositif FluSense. Tout le traitement se fait ici. Ces systèmes deviennent moins chers et plus puissants.”

Déterminer des calendriers de campagne de vaccination

Dorénavant, FluSense devrait être testée dans d’autres zones publiques et lieux géographiques. "Nous avons la validation initiale que la toux a effectivement une corrélation avec les maladies liées à la grippe (…) Maintenant, nous voulons la valider au-delà de ce cadre hospitalier spécifique et montrer que nous pouvons généraliser à d'autres endroits”, déclare Andrew Lover, expert en maladies à transmission vectorielle.

Il y a un peu plus d’un mois, une entreprise canadienne du nom de BlueDot avait elle déjà fait parler d’elle pour des raisons quelque peu similaires. Grâce aux données accessibles en ligne et à des systèmes d'apprentissage automatisé, elle avait détecté les premiers signes d’une infection de coronavirus à Wuhan, dans le Sud de la Chine, dès le 31 décembre, soit bien avant que l’OMS alerte le monde entier sur le sujet. Elle avait ensuite prévu que l'agent infectieux passerait les jours suivants du berceau de la contamination à Bangkok, Séoul, Taipei et Tokyo.  

A terme, des modèles de ce genre pourraient permettre d’aider les autorités sanitaires de différents pays à déterminer le calendrier des campagnes de vaccination, d’éventuelles restrictions de voyage ou encore l’attribution des fournitures médicales.