Évitable et traitable, la tuberculose cause encore 1,3 million de décès chaque année. Elle demeure la deuxième cause de mortalité en Afrique subsaharienne. Ce paradoxe, le Service des maladies infectieuses du CHUV et l’EPFL, en partenariat avec plusieurs institutions africaines et européennes, entendent le combattre à travers un projet novateur intitulé «CAD LUS4TB», doté d’une enveloppe de 10 millions d’euros.
Objectif: améliorer l’accès au diagnostic de la tuberculose et aux soins, tout en réduisant les coûts liés à un traitement tardif. Pour ce faire, les chercheurs ont développé une technologie d’ultrason pulmonaire assistée par intelligence artificielle (IA). Abordable et portable, ce dispositif s’adapte à des échographes connectés à un smartphone – déjà largement utilisés sur le terrain.
«L’algorithme permet un tri rapide des patients: il détecte la probabilité de tuberculose dès les premiers symptômes» —Véronique Suttels
«L’algorithme permet un tri rapide des patients: il détecte la probabilité de tuberculose dès les premiers symptômes», explique Véronique Suttels, cheffe de clinique adjointe au Service des maladies infectieuses du CHUV, qui dirige le volet clinique du projet. Autre atout: l’outil permet également de signaler d'autres pathologies telles que la pneumonie ou des affections cardiovasculaires.
Là où les médecins manquent
Grâce à l’intégration de l'IA, l’interprétation des images est grandement facilitée et peut être conduite par du personnel non-médecin – en faisant ainsi une solution particulièrement adaptée aux zones rurales disposant de peu de ressources médicales. «Ce test très sensible pourra être utilisé largement, là où les besoins sont les plus urgents», souligne Noémie Boillat-Blanco, médecin adjointe au CHUV.
Le projet repose sur une collaboration interdisciplinaire entre le CHUV, l’EPFL, le Swiss Tropical and Public Health Institute, le Centre national hospitalier de pneumologie du Bénin, l’Université des sciences du Mali, l’Université de Stellenbosch (Afrique du Sud), avec le soutien de l’Institut de médecine tropicale d’Anvers.
Le modèle d’IA, enrichi par un large partage de données cliniques et échographiques, sera mis en open access, afin d’en favoriser l’amélioration continue et l’adoption à grande échelle.