RTFlash

Quand la machine learning s’attaque au diagnostic du paludisme

En 2015, plus de 212 millions de personnes ont été diagnostiquées comme porteurs du parasite et 420 000 personnes en sont décédées, dont 90 % en Afrique subsaharienne. Détecter rapidement et à moindre coût les cas de paludisme constitue donc un enjeu majeur pour la santé publique mondiale.

Les trois quarts des cas de paludisme sont détectés de manière manuelle par l’observation sous microscope de gouttes de sang. Cette méthode mobilise beaucoup de personnel qualifié et, de ce fait, engendre un coût important. La société israélienne « Sight Diagnostics » a développé une technologie permettant de détecter de manière totalement automatisée la présence du parasite dans le sang humain en moins de 4 minutes avec un taux d’erreur de moins d'1 %. L’appareil peut également détecter le type de paludisme ainsi que le nombre de parasites par unité de volume.

Ces performances impressionnantes ont pu être atteintes grâce à l’analyse d’images ainsi qu'à l'emploi de technologies de “machine learning” qui permettent, après chaque diagnostic validé, de faire progresser la qualité de l’algorithme utilisé et donc de réduire le nombre d’erreurs. Pour l’instant, le système ne peut être utilisé que dans un centre de soins mais la start-up envisage de développer une version mobile de son produit afin d’atteindre les endroits les plus reculés.

Article rédigé par Georges Simmonds pour RT Flash

israel21

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top