Développés à l’EPFL (Ecole Polytechnique Fédérale de Lausanne), les nouveaux algorithmes d’apprentissage profond DeepChest et DeepBreath, capables d’identifier le COVID-19 dans les images pulmonaires et les bruits respiratoires, permettront de lutter contre les autres maladies respiratoires et de répondre à l’enjeu croissant posé par la résistance aux antibiotiques.
Depuis le début de la pandémie de COVID-19, l’équipe de recherche du docteur Hartley travaille sans relâche aux côtés des hôpitaux universitaires suisses sur deux projets majeurs. Grâce à l’intelligence artificielle, elle a développé de nouveaux algorithmes qui, combinés aux données issues d’images ultrasonores et de sons d’auscultation (thorax/poumons), peuvent établir un diagnostic précis du nouveau coronavirus chez les patients et prédire le degré de gravité.
Le groupe iGH se situe au Machine Learning and Optimization Laboratory du professeur Martin Jaggi, un pôle mondial de spécialistes en intelligence artificielle, et fait partie de la Faculté informatique et communications de l’EPFL. « Nous avons appelé les nouveaux algorithmes d’apprentissage profonds DeepChest (en exploitant les images ultrasonores pulmonaires) et DeepBreath (en exploitant les bruits respiratoires à partir d’un stéthoscope numérique). L’intelligence artificielle nous permet de mieux comprendre les schémas complexes dans ces examens cliniques fondamentaux. Jusqu’à présent, les résultats sont très prometteurs », déclare le professeur Martin Jaggi.
Le CHUV, à Lausanne, gère la partie clinique du projet DeepChest, en recueillant des milliers d’images ultrasonores pulmonaires auprès de patients souffrant de symptômes compatibles avec le Covid-19 et admis aux urgences. Noémie Boillat-Blanco, chercheuse principale, explique que le projet a démarré en 2019 et qu’il visait d’abord à définir des marqueurs capables de mieux distinguer la pneumonie virale de la pneumonie bactérienne.
Mais le projet a pris un autre tournant avec le COVID en 2020. « Bon nombre des patients qui ont accepté de participer à notre étude étaient effrayés et très malades », confie-t-elle, « mais ils voulaient contribuer à élargir le champ de la recherche médicale, comme nous le faisons. Je pense qu’il y a une motivation collective à tirer les leçons de la crise et à intégrer rapidement de nouvelles connaissances scientifiques dans la pratique médicale au quotidien ».
Aux Hôpitaux Universitaires de Genève (HUG), le professeur Alain Gervaix, chef du département de la femme, de l’enfant et de l’adolescent, recueille des bruits respiratoires depuis 2017 pour concevoir un stéthoscope numérique intelligent, le « pneumoscope ». Alors que le projet avait à l’origine été élaboré pour mieux diagnostiquer la pneumonie, le nouveau coronavirus a réorienté ses travaux.
Les enregistrements sont aujourd’hui utilisés pour développer l’algorithme DeepBreath à l’EPFL. Attendu dans ces temps prochains, il devrait permettre de diagnostiquer le COVID-19 à partir de bruits respiratoires. Étonnamment, les premiers résultats indiquent que le DeepBreath est même capable de détecter le COVID asymptomatique en identifiant les modifications des tissus pulmonaires avant même que le patient ne s’en rende compte.
« Le pneumoscope associé à l’algorithme DeepBreath peut être comparé aux applications capables d’identifier de la musique à partir d’un bref morceau joué. L’idée est venue de ma fille lorsque je lui ai expliqué que l’auscultation me permet d’entendre des sons qui m’aident à identifier l’asthme, une bronchite ou une pneumonie », affirme le professeur Alain Gervaix.
Article rédigé par Georges Simmonds pour RT Flash
