Une nouvelle étude prometteuse publiée dans la revue en ligne préimprimée medRxiv en avril 2020 montre le potentiel de l'intelligence artificielle (IA) pour développer un classificateur de patients qui peut séparer les patients susceptibles d'être négatifs pour COVID-19 d'un groupe de patients suspects visitant une urgence chambre (ER).
Cela réduirait considérablement le taux de propagation, en permettant de séparer immédiatement les patients les plus susceptibles d'être positifs des autres présentant des symptômes similaires de maladie respiratoire. Il protégerait à la fois les patients et les prestataires de soins de santé contre l'infection par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2).

Sommaire
La nécessité d'un triage rapide
Le nouveau coronavirus (SARS-CoV-2) s'est propagé à travers le monde à une vitesse sans précédent, imposant une charge lourde et, dans certains cas, pratiquement insoutenable, aux systèmes de santé. Malgré l'aide gouvernementale, de nombreux prestataires de soins de santé ont besoin de beaucoup plus de lits, d'unités de soins intensifs (USI) et d'équipements de protection individuelle (EPI) que ce qui peut être fourni.
Des tests et diagnostics efficaces sont une exigence évidente et essentielle, mais la capacité de test est limitée par le nombre de personnel, de kits et le temps disponible. De nombreuses solutions proposées sont en cours d'élaboration (y compris certaines qui favorisent la détection précoce grâce à la technologie portable), mais le besoin n'est toujours pas entièrement satisfait.
Un diagnostic rapide et précis pour ceux qui visitent la salle d'urgence pourrait améliorer les soins aux patients COVID-19 et aider à tenir les hôpitaux informés et préparés.
Tests de détection virale
Il existe deux catégories principales de tests: le premier type détecte la présence d'un virus ou d'une protéine, et le second type détecte les anticorps fabriqués par le système immunitaire de l'organisme en réponse au virus.
Le premier type, appelé test moléculaire, utilise une méthode appelée test de réaction en chaîne par polymérase ou PCR. Ceci est précis, mais demande beaucoup de main-d'œuvre et ne peut donc souvent pas suivre le rythme requis dans la pandémie actuelle de coronavirus.
Le deuxième type de test est plus rapide et moins laborieux, mais est toujours en cours de production, ce qui signifie qu'il faudra beaucoup de temps pour augmenter ses effectifs au niveau requis actuellement.
À la lumière de cela, une équipe de scientifiques a mis au point une méthode efficace et peu coûteuse de classification préliminaire des cas suspects positifs dans une salle d'urgence de l'hôpital basée sur des analyses de sang simples et couramment effectuées, pour trier ceux qui sont les plus susceptibles d'être négatifs pour le virus. La procédure est basée sur l'analyse des résultats des tests sanguins à l'aide de l'intelligence artificielle (AI).
Comment fonctionne le classificateur?
Le principe de fonctionnement est relativement simple: l'IA (appelée ER-CoV) accepte les résultats de tests sanguins largement disponibles, les analyse et calcule la probabilité que le patient soit infecté par COVID-19.
Sur la base de cette probabilité, il recommande si des tests supplémentaires très sensibles sont nécessaires. Cela pourrait permettre à tout laboratoire disposant de fournitures de test sanguin de base de tester les personnes pour le coronavirus et de les recommander pour des tests plus sensibles.
L'un des obstacles qu'ils ont dû surmonter était que ER-CoV confondait parfois les données d'entrée pour les diagnostics d'autres maladies respiratoires – en particulier la grippe. Pour lutter contre cela, l'équipe a inclus un test de détection de la grippe dans son pipeline de tests proposé.
L'équipe a formé l'Intelligence sur les données publiques recueillies auprès de plus de cinq mille patients à l'hôpital Albert Einstein, au Brésil. Ils ont prélevé 599 échantillons avec le plus grand nombre de tests couramment effectués tels que les leucocytes, le volume moyen des plaquettes, le volume corpusculaire moyen (MCV), la créatinine, les globules rouges, le potassium, la concentration moyenne d'hémoglobine corpusculaire (MCHC) et la largeur de distribution des globules rouges (RDW) ).
Ces patients ont été testés pour le COVID-19 en utilisant la RT-PCR (reverse transcription-polymerase chain reaction), une méthode de test basée sur la détection du matériel génétique du virus SARS-CoV2. 81 patients ont été testés positifs.
Sur la base de ces données, l'IA compare les résultats des tests sanguins des cas de RE pour identifier les patients qui ont une forte possibilité de test négatif pour le coronavirus et ceux qui sont des «cas suspects».
Comment l'étude a-t-elle fonctionné?
L'équipe rapporte que leur système a une spécificité moyenne de 92,16% et une valeur prédictive négative de 95,29%. Ils disent que ces résultats sont « complètement alignés sur notre objectif de fournir un système efficace et à faible coût pour trier les patients suspects aux urgences. »
Les tests d'erreurs ont montré que près de la moitié des 4% des cas où l'IA a signalé un faux résultat négatif seraient de toute façon hospitalisés, ce qui signifie que les erreurs commises par l'IA comprennent des cas graves qui ne seraient pas négligés. Cela atténue quelque peu le manque de sensibilité du test.
Capacité à limiter les tests et à prévenir la propagation
L'équipe envisage un rôle essentiel pour cette technologie de dépistage simple, robuste et rapide dans le triage des patients dans la situation mondiale actuelle. Le résultat le plus important de leur système réside peut-être dans les tests – à ce stade, de nombreux pays n'ont tout simplement pas les ressources pour tester autant de personnes qu'ils en ont besoin. L'équipe prévoit qu'ils peuvent réduire le nombre de tests effectués dans les salles d'urgence d'environ 90%, avec moins de 5% de chances d'obtenir un faux négatif.
Le deuxième facteur important du cadre développé concerne l'isolement. Actuellement, la plupart des hôpitaux gardent les personnes soupçonnées d'avoir COVID-19 dans le même service jusqu'à la sortie des résultats des tests, augmentant ainsi les chances de propagation du virus. Le modèle de test actuel utilise beaucoup moins de temps que les méthodes conventionnelles, permettant le dépistage rapide des patients qui ont une forte chance de porter le virus et leur isolement de ceux qui ne le font pas jusqu'à ce que des tests sensibles puissent être effectués pour confirmation.
De plus, les patients identifiés comme positifs pour le virus par ER-CoV peuvent alors recevoir des tests accélérés, augmentant l'efficacité de leur triage et, finalement, leur rétablissement.
Référence de la revue:
Une nouvelle méthode de dépistage COVID-19 à haute spécificité basée sur des examens sanguins simples et l'intelligence artificielle Felipe Soares, Aline Villavicencio, Michel José Anzanello, Flavio Sanson Fogliatto, Marco Idiart, Mark Stevenson medRxiv 2020.04.10.20061036; doi: https://doi.org/10.1101/2020.04.10.20061036