Dans la lutte contre les pandémies, l’une des armes les plus efficaces est le dépistage. Il permet d’éviter le contact avec les personnes infectées par l’auto-isolement ou des mesures de sécurité plus strictes. La mise au point de tests rapides est donc cruciale. Dans cette idée, des chercheurs du MIT ont développé un algorithme capable de distinguer le son spécifique émis lors de la toux par une personne atteinte de COVID-19. Les résultats sont très prometteurs, avec un taux de réussite de 98,5%.
Lors des premiers tests en conditions réelles, le dispositif développé au Massachusetts Institute of Technology (MIT) a obtenu un taux de réussite de 98,5% chez les personnes ayant reçu un résultat positif officiel au test de dépistage du coronavirus SARS-CoV-2, ce taux passant à 100% chez celles qui ne présentaient aucun symptôme évident. En effet, selon l’étude, la différence cruciale dans le son d’une toux asymptomatique d’un patient ne peut pas être entendue par l’oreille humaine.
L’algorithme, basé sur l’intelligence artificielle (IA), a été mis au point dans un laboratoire spécialisé du MIT par Jordi Laguarta, Ferran Hueto et Brian Subirana. Selon eux, il serait tout à fait possible d’intégrer l’algorithme à une application pour smartphone, le rendant ainsi accessible instantanément dans le monde entier. Cependant, pour développer une telle application, une autorisation réglementaire est nécessaire.
« La façon dont vous produisez le son change lorsque vous avez la COVID, même si vous êtes asymptomatique », déclare Brian Subirana, co-auteur de l’étude désormais publiée dans le Journal of Engineering in Medicine and Biology de l’IEEE. « Les cas d’utilisation pratique pourraient être le dépistage quotidien des étudiants, des travailleurs et du public, à l’occasion de la réouverture des écoles, des emplois et des transports, ou pour des tests en pool permettant d’alerter rapidement les groupes en cas d’épidémie », peut-on lire dans le rapport.
Une IA et des enregistrements de toux
Plusieurs organisations, dont l’université de Cambridge, l’université Carnegie Mellon et la start-up britannique Novoic, travaillent sur des projets similaires. En juillet, le projet « Covid-19 Sounds » de Cambridge a fait état d’un taux de réussite de 80% dans l’identification des cas de coronavirus positifs sur la base d’une combinaison de bruits de respiration et de toux. Mais le laboratoire du MIT a fait beaucoup mieux. Pour arriver à ce résultat (de 98,5% de réussite), les chercheurs ont notamment dû collecter environ 70’000 échantillons audio. Parmi ceux-ci, 2500 provenaient de personnes confirmées comme ayant été infectées par le nouveau coronavirus.
« Les enregistrements de la toux sont transformés (avec le coefficient cepstral de la fréquence Mel) et introduits dans une architecture basée sur un réseau neuronal convolutif (CNN) », écrivent les chercheurs. « Nos modèles basés sur le CNN ont été formés sur 4256 sujets et testés sur les 1064 sujets restants de notre ensemble de données ».
Les chercheurs ont développé un véritable dispositif de traitement de la parole et du son par IA, qui exploite les extracteurs de caractéristiques de biomarqueurs acoustiques pour présélectionner la COVID-19 à partir des enregistrements de toux. Ainsi, il est possible de fournir une carte personnalisée des points saillants des patients pour les surveiller en temps réel, de manière non invasive et à un coût variable pratiquement nul.
L’expert en intelligence artificielle Calum Chace a décrit l’algorithme comme « une pièce classique de l’IA ». « C’est le même principe que d’alimenter une machine avec beaucoup de résultats de scanners pour qu’elle apprenne à détecter le cancer », a-t-il déclaré. « C’est un exemple de l’utilité de l’IA ».