Le deep learning comme outil de dépistage de la tuberculose dans les régions à faible revenu

La tuberculose tue chaque année plus d'un million de personnes dans le monde et le dépistage est plébiscité aujourd’hui pour cette pathologie, même si il est coûteux dans les 30 pays où elle sévit le plus.

Le coût prohibitif du dépistage de la tuberculose en zone à faible revenu

« Nous avons des médicaments efficaces pour traiter la tuberculose, mais les programmes de dépistage à grande échelle pour détecter la tuberculose ne sont pas toujours réalisables dans les pays à faible revenu en raison du coût et de la disponibilité de radiologues experts », déclare en préambule le co-auteur d’une étude sur le sujet publiée dans la Revue Radiology, le Rory Pilgrim, chef de produit chez Google Health AI à Mountain View – Californie, USA -.

Le dépistage rentable de la tuberculose à l'aide de radiographies pulmonaires et de l'Intelligence Artificielle (IA) a le potentiel d'améliorer l'accès aux soins de santé, selon le Dr Pilgrim, en particulier dans les populations difficiles à atteindre. « Combler la pénurie d'experts, c’est là où l'IA entre en jeu, précise le premier auteur de l’étude, le Sahar Kazemzadeh, ingénieur logiciel chez Google Health. Nous pouvons apprendre aux ordinateurs à reconnaître la tuberculose à partir des rayons X afin que, dans ces environnements à faibles ressources, la radiographie d'un patient puisse être interprétée en quelques secondes. »

Un système de deep learning testé à grande échelle pour identifier la maladie sur les radiographies pulmonaires

Kazemzadeh et ses collègues ont développé et évalué un système d'IA capable d'identifier rapidement et automatiquement les radiographies pulmonaires pour la tuberculose. Le système utilise le deep learning et les chercheurs ont développé le système en utilisant des données provenant de neuf pays. Ils l'ont ensuite testé sur des données provenant de cinq pays, couvrant plusieurs régions à forte charge de tuberculose, divers contextes cliniques et un large éventail de races et d'ethnies. Plus de 165 000 images de plus de 22 000 patients ont été utilisées pour le développement et les tests de modèles.

L'analyse avec 14 radiologues internationaux a montré que la méthode de deep learning était comparable à celle des radiologues pour la détermination de la tuberculose active sur les radiographies pulmonaires. « Nous voulions voir si ce système prédit la tuberculose à égalité avec les radiologues, et c'est ce que montre l'étude, confirme Pilgrim. L'IA a très bien fonctionné avec une variété de patients. » Les tendances étaient similaires dans différents sous-groupes de patients, dans un ensemble d’examens provenant de mineurs d'or en Afrique du Sud, un groupe à forte prévalence de tuberculose, par rapport au grand public.

Un modèle qui fonctionne sur de nombreux profils de malades

Ce qui est particulièrement prometteur dans cette étude, c'est que nous avons examiné une gamme d'ensembles de données différents qui reflétaient différents équipements et différents flux de travail cliniques, remarque Kazemzadeh. Nous avons constaté que ce système deep learning fonctionne très bien avec chacun d'eux avec un seul paramétrage qui a été présélectionné sur la base d'un ensemble de données de développement, ce que d'autres systèmes d'IA d'imagerie médicale ont trouvé difficile. »

Si des recherches supplémentaires confirment les résultats, ce système de deep learning pourrait être utilisé pour dépister automatiquement les résultats de tuberculose sur les radiographies pulmonaires. Les personnes dont l’examen est positif recevraient alors un test d'expectoration ou un test d'amplification des acides nucléiques (TAAN). Ces tests sont relativement coûteux, mais si l'IA pouvait filtrer les patients qui en ont besoin, les avantages seraient considérables. Les simulations utilisant le système de deep learning pour identifier les radiographies pulmonaires susceptibles d'être positives à la tuberculose pour la confirmation du TAAN ont réduit le coût de 40 % à 80 % par patient tuberculeux positif détecté.

Endiguer les épidémies de tuberculose sans avoir recours à des profils médicaux rares

« En dépistant les patients dans la communauté et en détectant la tuberculose avant qu'ils ne tombent vraiment malades, on pourrait obtenir de meilleurs résultats et espérer pour eux un traitement plus court, déclare Pilgrim. De plus, puisque la tuberculose est une maladie infectieuse, si vous pouvez atteindre les gens tôt, il y aura moins de propagation, ce qui augmentera l’efficience de ce dépistage. »

Les chercheurs mènent des travaux en Zambie dans un cadre prospectif, ce qui signifie qu'ils collectent des données auprès de patients participant à un dépistage et fournissent un TAAN à chaque patient dans le but d'étudier le système. Ils cherchent également des moyens de diffuser ces modèles dans le monde d'une manière qui puisse avoir le maximum d'impact pour les patients.

« Nous espérons que cela pourra être un outil utilisé par des médecins non experts et des travailleurs de la santé pour dépister les gens en masse et les amener à un traitement, si nécessaire sans faire appel à des médecins spécialistes, qui sont rares, conclut Pilgrim. Nous pensons que nous pouvons le faire sur le terrain de manière peu coûteuse et à volume élevé. »