Améliorer la détection de la tuberculose grâce à l'analyse de la toux

La tuberculose (TB) est une maladie grave causée par un germ appelé Mycobacterium tuberculosis. Cette maladie touche principalement les poumons, mais peut aussi affecter d'autres parties du corps. Elle se propage quand quelqu'un de malade tousse, éternue ou parle, et que d'autres inhalent les germes. Les médecins identifient généralement la TB grâce à des tests médicaux. Cependant, de nombreuses maladies respiratoires partagent des symptômes similaires, comme la toux.

Des recherches montrent que les sons de la toux peuvent être identifiés et distingués, que ce soit par des médecins ou des ordinateurs, selon le type de maladie. Ça veut dire que regarder des enregistrements de toux de personnes avec et sans TB pourrait être utile. Dans ce projet, on a utilisé une très grande collection d'enregistrements audio de toux provenant de personnes en Afrique, en Inde et en Asie, recueillis grâce à une appli. Cette appli enregistrait automatiquement les toux sans nécessiter d'entrée manuelle.

#La nécessité d'une meilleure détection de la TB

La TB reste l'une des principales causes de décès dans le monde, avec environ 1,5 million de décès signalés en 2020. Cette maladie impacte non seulement la Santé, mais aussi la croissance économique, touchant surtout les groupes les plus vulnérables de la société. De plus, il existe des souches de TB devenues résistantes aux médicaments, rendant le traitement encore plus difficile. Donc, lutter contre la TB est vital pour sauver des vies, réduire la pauvreté et empêcher la propagation de ces souches résistantes.

Un problème clé dans la lutte contre la TB est de trouver et de diagnostiquer les cas. De nombreuses personnes atteintes de TB ne sont pas diagnostiquées ou signalées à cause de divers défis, comme l'impossibilité d'accéder aux structures de santé ou de recevoir un traitement adéquat. Développer des outils de dépistage numérique abordables et faciles à utiliser pourrait aider à surmonter ces défis. Traditionnellement, la toux a été un symptôme important pour identifier les cas potentiels de TB. De nouvelles avancées technologiques pourraient offrir de meilleures façons de détecter les sons de la toux et d'identifier ceux qui sont le plus susceptibles d'avoir la TB, permettant ainsi aux travailleurs de la santé de se concentrer sur les individus nécessitant plus de tests.

Plusieurs études ont suggéré que l'analyse des sons de la toux pouvait être un moyen précieux de dépister la TB, mais la plupart de ces études étaient basées sur de petits groupes. Il faut plus de recherches pour améliorer et évaluer les programmes informatiques conçus pour faire la distinction entre les toux des patients TB et celles des individus sains.

#Le défi CODA TB DREAM

Le défi CODA TB DREAM est une initiative majeure visant à améliorer la détection de la TB en utilisant des enregistrements de toux. Ce défi a collecté des Données de nombreuses personnes qui se sont rendues dans des cliniques avec de nouvelles toux ou des toux qui s'aggravent. Les participants ont été largement évalués pour la TB, et leurs toux ont été enregistrées à l'aide d'une appli dédiée. Les chercheurs ont ensuite été invités à utiliser ces données pour développer et tester des programmes capables de prédire le statut TB d'une personne en examinant sa toux, avec ou sans tenir compte de ses antécédents de santé.

Pour notre travail, on a utilisé les données d'entraînement du défi CODA TB DREAM, en se concentrant sur deux aspects principaux : les sons de la toux seuls et les sons de la toux combinés avec des informations de santé.

#Comment on a analysé les sons de la toux

Dans notre analyse, on a utilisé des méthodes bien connues du domaine de l'Apprentissage automatique pour examiner les enregistrements de toux. On s'est intéressé aux propriétés de base du son, comme son intensité et sa tonalité, ainsi qu'à des caractéristiques plus complexes comme la manière dont l'énergie sonore se propage dans le temps. Pour la première partie de notre étude, on s'est concentré uniquement sur les sons de la toux, tandis que dans la deuxième partie, on a combiné les sons de la toux avec des informations de santé comme l'âge, le sexe et la température.

Les enregistrements de toux ont été traités en segments courts pour capturer la nature changeante des toux. En se concentrant sur ces courts intervalles, on a pu rassembler des données significatives qui reflétaient fidèlement les toux.

#Utiliser l'apprentissage automatique pour améliorer la détection de la TB

On a mis en œuvre des techniques d'apprentissage automatique pour aider à analyser les données. Dans notre première expérience, on s'est fié uniquement aux sons de la toux, utilisant des programmes d'apprentissage profond pour classer ces sons. Dans la seconde expérience, on a combiné les sons de la toux avec des métadonnées démographiques et de santé, créant une vue plus complète.

Pour les deux approches, on visait à comprendre comment les sons de la toux seuls, et en combinaison avec d'autres informations de santé, pouvaient prédire la TB. À travers nos évaluations, on a remarqué que les toux des personnes atteintes de TB et celles des non-malades pouvaient être classées avec une précision raisonnable.

#Résultats encourageants de nos expériences

Nos résultats semblent prometteurs, surtout en combinant les sons de la toux avec des informations démographiques. Il est devenu clair que l'utilisation des données de santé en plus des enregistrements de toux améliore notre capacité à prédire la TB. Dans les cas où on a analysé uniquement les sons de la toux, on a noté une plus grande précision lorsqu'on les combinait avec d'autres indicateurs de santé pertinents.

Les résultats sont encourageants, notamment parce qu'ils indiquent que des applis qui analysent les sons de la toux et prennent en compte les informations de santé pourraient être des outils précieux pour les agents de santé communautaire. En utilisant ces outils, les services de santé pourraient mieux identifier les cas de TB, menant à de meilleurs résultats en matière de santé.

#Directions futures et améliorations

Bien que nos résultats soient prometteurs, ils ne sont qu'un point de départ. Il y a plein de façons d'améliorer l'étude. Par exemple, on pourrait envisager d'inclure plus de caractéristiques ou de meilleurs classificateurs qui n'étaient pas inclus dans cette analyse. Des questions importantes restent sur la sélection du meilleur nombre de caractéristiques à utiliser, la recherche des classificateurs les plus efficaces et le perfectionnement du processus d'analyse global.

Le jeu de données qu'on a utilisé sert aussi de base pour d'autres qui veulent explorer des techniques d'apprentissage automatique pour la prédiction de la TB. Si les résultats prometteurs qu'on observe se confirment dans des études plus larges, alors des applications mobiles qui analysent les toux, combinées avec des informations de santé, pourraient vraiment aider les travailleurs de la santé à identifier les individus à risque de TB.

De tels outils pourraient améliorer la compréhension de la TB dans les zones où la maladie est répandue, en particulier dans les pays à faibles ressources. Si intégrés correctement dans les programmes de santé, ces outils numériques pourraient mener à un meilleur suivi de la TB et à une meilleure gestion des cas suspects.

En résumé, les insights tirés de ce projet illustrent le potentiel de solutions innovantes dans la lutte contre la TB. En utilisant la technologie et en combinant l'analyse des sons de la toux avec des données de santé précieuses, on pourrait faire des avancées significatives pour améliorer le dépistage de la TB et, au final, sauver des vies.