Passer au contenu principal

EPFLAlgorithmes pour repérer le Covid-19 dans les poumons

Des chercheurs de l’EPFL ont développé des algorithmes qui, combinés aux données issues de sons et d’images d’auscultation des poumons, peuvent établir un diagnostic précis et la gravité du virus.

Développés à l’EPFL, les algorithmes DeepChest et DeepBreath sont capables d’identifier le COVID-19 dans les images pulmonaires et les bruits respiratoires.
Développés à l’EPFL, les algorithmes DeepChest et DeepBreath sont capables d’identifier le COVID-19 dans les images pulmonaires et les bruits respiratoires.
EPFL

Des algorithmes d’apprentissage profond développés à l’EPFL sont capables d’identifier le Covid-19 dans les images pulmonaires et les bruits respiratoires. Ils pourraient également permettre de lutter contre d’autres maladies respiratoires ou la résistance aux antibiotiques.

Depuis le début de la pandémie, l’équipe de Mary-Anne Hartley à l’Ecole polytechnique fédérale de Lausanne (EPFL) travaille aux côtés des hôpitaux universitaires suisses sur deux projets, a indiqué la haute école lausannoise jeudi dans un communiqué.

Grâce à l’intelligence artificielle, elle a développé des 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. DeepChest exploite les images obtenues par ultrasons et DeepBreath les bruits respiratoires à partir d’un stéthoscope numérique.

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.

Aux Hôpitaux Universitaires de Genève (HUG), Alain Gervaix 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 également réorienté ses travaux.

Reconnaître la musique

Les enregistrements sont aujourd’hui utilisés pour développer l’algorithme DeepBreath à l’EPFL. Attendu d’ici la fin de l’année, 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», note le professeur Gervaix, cité dans le communiqué.

Des travaux sont en cours pour développer une application permettant à ces algorithmes complexes de fonctionner sur les téléphones portables, même dans les régions les plus isolées. Covid ou non, la pneumonie, qui tue plus d’un million d’enfants chaque année, reste en effet l’une des principales causes de décès chez les enfants de moins de cinq ans.

Résistance aux antibiotiques

C’est aussi l’un des principaux facteurs de résistance aux antibiotiques, touchant essentiellement les pays et populations pauvres. «Nous voulons recueillir les données des populations sous-représentées de sorte que nos outils puissent être précis même dans les milieux défavorisés», ajoute Mary-Anne Hartley.

La chercheuse a autofinancé un petit nombre de sondes de collecte de données qui seront envoyées début 2021 aux régions d’Afrique du Sud où sévit la tuberculose. Elle cherche actuellement à collecter des fonds pour déployer le projet à plus grande échelle.

«Le Covid a sensibilisé les gens à la vulnérabilité de la santé publique et à son immense complexité. Le besoin de renforcer les efforts de recherche en intelligence artificielle à grande échelle pour comprendre et réagir aux données en rapide émergence n’a jamais été aussi évident. Espérons que cet élan se poursuive au-delà de la pandémie et permette un accès équitable aux soins de santé», conclut la scientifique.

ATS/NXP