La pandémie nous aura permis de nous familiariser avec des techniques utilisées pour identifier la présence de virus comme la PCR et les tests immunochimiques. Si ces approches s’avèrent précises et fiables jusqu’à un certain degré, elles s’accompagnent toutefois de certains défauts. La PCR, par exemple, implique le transport d'échantillons vers un laboratoire clinique où les tests sont effectués, ce qui mène parfois à des défis logistiques, mais surtout à un délai d’obtention du résultat. Comme pour les tests immunologiques, cette technique requiert aussi l’utilisation de réactifs et de matériel qui en bout de course ont un impact environnemental indéniable.
Frédéric Leblond, professeur titulaire au Département de génie physique de Polytechnique Montréal, présente une alternative basée sur la spectroscopie Raman et l’apprentissage automatisé, une forme d’intelligence artificielle (IA). L’approche permet de déterminer si une personne est infectée ou non par le virus qui cause la COVID-19 grâce à une simple gouttelette de salive déposée sur une lamelle.
L'équipe de recherche du Professeur Leblond a d’abord analysé 37 échantillons de salive provenant de patients atteints de la COVID-19 en plus de 513 autres prélevés chez des patients sains afin d’entraîner un outil d’apprentissage automatisé à discriminer les échantillons provenant d’individus infectés ou sains. Dans chaque cas, une simple gouttelette de salive séchée sur une lamelle a servi à l’entraînement. Placé sous la lentille d’un microscope, l’échantillon a été analysé par spectroscopie Raman, conduisant à la création d’une série de "spectres de diffusion Raman". Ces sortes d’images ne renseignent aucunement l’œil d’un humain, mais cachent une signature de la COVID-19 reconnue par l’outil d’IA.
« Le COVID-19 provoque certains changements métaboliques qui se reflètent dans la composition de la salive », explique le Professeur Leblond. « On ne sait pas encore exactement ce que l’outil perçoit au niveau biomoléculaire, mais on sait qu’il est en mesure d’identifier correctement les patients infectés des non infectés ». Pour le prouver, l’équipe a présenté des échantillons inconnus à son outil après l’avoir entraîné. Celui-ci a identifié les cas positifs avec un taux de succès allant de 79 et 84 % tout en reconnaissant les échantillons négatifs comme étant négatifs à un taux de 64 et 75 %, selon que l’échantillon provenait d’un homme ou d’une femme.
Le groupe a testé différentes voies pour améliorer la qualité des échantillons qui servent à l’entraînement de son algorithme, l’amenant même à travailler avec des échantillons de salive toujours liquide afin de réduire à environ une minute le temps requis pour obtenir un résultat d’analyse.
Le groupe prévoit aussi dévoiler en juin de nouveaux résultats à l’occasion d’un congrès tenu à Dublin, en Irlande. Selon le Professeur Leblond, son outil discrimine maintenant les cas positifs à plus de 95 % et identifie les cas négatifs comme étant de vrais négatifs avec 80 % de succès, ce qui rapproche l’outil d’une utilisation bien réelle. À terme, celui-ci pourrait être contenu dans une boîte de la taille d’un four microonde et être déployé sur le terrain, afin de déterminer, en quelques minutes, si un individu est infecté ou non.
Le Professeur Leblond a largement contribué à faire en sorte que la spectroscopie Raman s’établisse dans le domaine médical comme outil pour différencier les tissus cancéreux des tissus sains lors de chirurgies. Avec cet article, l’équipe du Professeur Leblond démontre pour la première fois que cette approche pourrait aussi faire sa niche dans les laboratoires d’analyse médicale afin de reconnaître la signature de différentes pathologies dans des fluides comme la salive, le sang ou l’urine, par exemple. « Ce qu’on a ici, c’est une preuve de concept qui nous ouvre tout un nouveau champ d’applications », souligne le Professeur Leblond. « On peut maintenant envisager de détecter dans le sang des pathologies comme la maladie de Lyme ou même les répercussions d’une commotion cérébrale, par exemple ».
Article rédigé par Georges Simmonds pour RT Flash
