{{{sourceTextContent.title}}}

QUESTIONS ET RÉPONSES. Utilisation de l'IA pour prévoir les éclosions de maladies

{{{sourceTextContent.subTitle}}}

Au cours des dernières années, les progrès technologiques ont permis aux médecins et aux organisations médicales de passer de plus en plus de soins de santé réactifs à des soins proactifs.

{{{sourceTextContent.description}}}

Bien que l'utilisation de modèles prédictifs pour atténuer les éclosions de maladies ne soit pas nouvelle, les progrès de l'intelligence artificielle (IA) permettent maintenant de développer ces modèles pour en faire des outils très efficaces. Fondée en 2015, AIME (Artificial Intelligence in Medical Epidemiology) est une start-up pionnière basée aux Etats-Unis qui utilise l'analyse de données et l'apprentissage machine pour prédire en temps réel le lieu et l'heure des épidémies de maladies infectieuses. Le magazine électronique MedicalExpo a rencontré le Dr Helmi Zakariah, PDG de l'AIME pour l'Asie-Pacifique, afin d'en savoir plus sur cette technologie et ses applications.

MedicalExpo e-magazine : Comment fonctionne AIME ? Quelles sont ses caractéristiques les plus innovantes ?

Dr Helmi Zakariah : AIME est un système multiplateforme évolutif, en temps réel et multiplateforme, impliquant des applications Web et des applications mobiles, le tout relié par une base de données unificatrice. L'une des principales caractéristiques du système est un bot appelé REDINT, qui recherche automatiquement dans plus de 40 bases de données différentes des données épidémiologiques, météorologiques et géographiques. Le traitement de ces données à l'aide de l'apprentissage automatique permet ensuite au système de prévoir et de géolocaliser les épidémies.

Lorsqu'il est prévu que plusieurs flambées se produiront simultanément, AIME est en mesure de créer un indice d'établissement des priorités dans la région touchée, de sorte que les insecticides, les larvicides et les ressources humaines puissent être déployés le plus efficacement possible. Cela permet aux professionnels de la santé publique d'anticiper les éclosions en prenant les meilleures mesures préventives qui soient.

ME e-mag : Quelle est la précision de l'AIME ?

Dr Helmi Zakariah : Pour que le programme AIME soit mis en œuvre avec succès, il doit être déployé et utilisé dans l'ensemble du secteur des soins de santé - des cliniques communautaires aux hôpitaux régionaux. Sans un flux continu de nouvelles données sur l'incidence de la maladie, la plateforme devient inefficace.

Lors des tests de notre plateforme de prédiction d'éclosion de dengue en Malaisie et au Brésil, le système a prédit avec une précision allant jusqu'à 88%, trois mois à l'avance et dans un rayon de 400 mètres les endroits où des foyers se produiraient."

Toutefois, si elle reçoit de telles données, l'AIME continuera d'apprendre. Sa précision et son efficacité d'intervention deviennent alors de plus en plus élevées. Lors des tests de notre plateforme de prédiction d'éclosion de dengue en Malaisie et au Brésil, le système a prédit avec une précision allant jusqu'à 88%, trois mois à l'avance et dans un rayon de 400 mètres, où les foyers se produiraient. Cette plateforme est maintenant utilisée en Malaisie, au Brésil et aux Philippines pour aider les prestataires de soins de santé à gérer et limiter les épidémies.

ME e-mag : Quels sont vos projets pour l'AIME maintenant ? Sur quoi travaillez-vous ?

Dr Helmi Zakariah : En raison d'un consensus mondial sur la surveillance des maladies et d'initiatives telles que le Règlement sanitaire international de l'Organisation mondiale de la santé, d'énormes quantités de données sur la santé et les maladies sont déjà produites. Cependant, les compétences et la capacité d'analyser de telles données ne sont pas aussi développées.

L'utilisation de l'IA pour découvrir des modèles et des marqueurs cachés à la vue de tous et l'analyse statistique conventionnelle a ouvert un éventail de nouvelles possibilités passionnantes. Un de nos nouveaux projets, par exemple, porte sur la prédiction de la résistance aux antibiotiques. Il s'agit là d'un écart considérable par rapport à l'approche diagnostique conventionnelle de lutte contre la résistance aux antimicrobiens. Nous parions que l'IA peut devenir aussi diagnostique qu'une trousse de test rapide, mais au lieu d'utiliser le sang, nous utilisons des données pour évaluer la probabilité.

On parie que l'IA peut devenir aussi diagnostique qu'un kit de test rapide, mais au lieu d'utiliser le sang, on utilise des données pour évaluer la probabilité."

Nous voulons aussi créer des appareils pour diagnostiquer la tuberculose et le paludisme, et des logiciels pour diagnostiquer la rétinopathie diabétique.

ME e-mag : Y aura-t-il un jour où nous pourrons prédire toutes les épidémies avant qu'elles ne surviennent ?

Dr Helmi Zakariah : La technologie se développe maintenant à un rythme exponentiel. Il y a un peu plus d'une décennie, contracter le VIH était une condamnation à mort - aujourd'hui, on risque davantage de mourir d'un accident de voiture que du sida (peut-être verrons-nous ce changement statistique à mesure que la conduite autonome évolue). Si nous disposons des bonnes sources de données, du bon cadre réglementaire et de la bonne approche en matière d'échange de données, je ne vois pas pourquoi nous ne pouvons pas prévoir les épidémies de choléra et d'autres maladies de la même manière que nous pouvons actuellement prévoir l'apparition d'un tsunami.

{{medias[33673].title}}

{{medias[33673].description}}