Les chercheurs de Beckman ont associé la microscopie à l’intelligence artificielle pour développer un test COVID-19 rapide, précis et rentable. Tout ce que nous avons à faire est de dire « ahh ».
Beaucoup d’entre nous ont rencontré ou vécu un test COVID-19. Comme la pandémie elle-même, les dépistages fréquents font désormais partie de la vie quotidienne. Alors que le SRAS-CoV-2 continue d’être un ennemi redoutable, nos stratégies de détection et de classification du virus doivent rester agiles et sophistiquées.
Entrez le chercheur de Beckman Gabriel Popescu, professeur à l’UIUC en génie électrique et informatique, et son équipe interdisciplinaire. Leur étude, « Détection et classification sans étiquette du SARS-CoV-2 à l’aide d’une imagerie de phase avec spécificité computationnelle », a été publiée dans Lumière : Science et Applications-Nature.
Débutant en mai 2020 et se concrétisant au milieu d’une crise mondiale, le calendrier du projet est parallèle à la pandémie qui l’a provoqué. Caractéristique d’une équipe Beckman, la première étape des chercheurs a été d’identifier une opportunité d’innover ; ils ont observé que si de nombreuses techniques existent actuellement pour tester le SARS-CoV-2, aucune n’utilise une approche optique sans marquage.
La taille minuscule d’une seule particule rend presque impossible le fait de se fier uniquement à la vue, même avec un microscope. La microscopie électronique est utile pour l’imagerie de la structure d’une particule, mais une préparation approfondie est nécessaire pour assurer la visibilité d’un échantillon. Bien que nécessaire, ce processus peut masquer l’image souhaitée.
L’équipe de Popescu s’est tournée vers une technique développée à Beckman généralement réservée à la visualisation des cellules : la microscopie spatiale à image lumineuse, qui facilite l’imagerie sans produits chimiques (ou sans marquage).
Un microscope électronique fournit une image claire, mais il nécessite une préparation approfondie de l’échantillon. Appliquer SLIM pour l’imagerie virale, c’est comme regarder quelque chose sans porter de lunettes. L’image est floue car les virus sont plus petits que la limite de diffraction. Cependant, en raison de la haute sensibilité de SLIM, nous pouvons non seulement détecter les virus, mais aussi différencier les différents types. »
Neha Goswami, étudiante diplômée en bio-ingénierie et récipiendaire en 2021 de la bourse commémorative Nadine Barrie Smith du Beckman Institute
Heureusement, les chercheurs ont identifié un moyen créatif d’identifier les virus sur la base des données SLIM : l’intelligence artificielle. Avec la bonne formation, un réseau de neurones profonds avancé peut être programmé pour reconnaître même les images les plus floues.
Ils ont présenté le programme d’IA à une paire d’images : une particule SARS-CoV-2 colorée produisant une fluorescence et une image de phase capturée avec un microscope multimodal à fluorescence-SLIM. L’IA est entraînée à reconnaître ces images comme une seule et même chose. Facilement reconnaissable, l’image colorée par fluorescence fonctionne comme des roues d’entraînement ; avec suffisamment de répétition, la machine apprend à détecter les virus directement à partir des images SLIM et sans étiquette sans le support supplémentaire.
Après la détection vient la différenciation : discerner le SARS-CoV-2 des autres types de virus et de particules.
« Nous avons rendu la vie difficile à la machine », a déclaré Goswami. « Nous lui avons donné de la poussière, des perles et d’autres virus pour qu’il s’entraîne et apprenne à choisir le virus parmi une foule au lieu d’identifier quand il est seul. »
L’IA a appris à discerner entre le SRAS-CoV-2 et d’autres agents pathogènes viraux tels que le H1N1 ou la grippe A ; HAdV, ou adénovirus; et ZIKV, ou virus Zika. L’essai préclinique a été très réussi, entraînant un taux de réussite de 96 % pour la détection et la classification du SRAS-CoV-2.
« Ce succès notable est dû à notre équipe d’experts de plusieurs disciplines différentes qui se sont réunis avec un objectif unique : créer le test le plus rapide, le plus abordable et évolutif possible. Nos efforts actuels se concentrent sur la démonstration de cette approche en clinique et son déploiement dans le monde pour le COVID et potentiellement d’autres maladies infectieuses », a déclaré Popescu.
L’objectif du projet est un système de détection de test respiratoire viral sensible et spécifique qui aide au diagnostic viral et aux stratégies de prévention de la transmission ; aujourd’hui, cela pourrait prendre la forme d’un test COVID-19 rapide, à haut débit et à faible coût avec un potentiel de portabilité et d’action au point de service.
Avec la validation clinique en attente, les chercheurs spéculent qu’un test COVID-19 effectué avec cette méthode ressemblerait à quelque chose comme ceci : le sujet porterait un écran facial, sur lequel une lame de verre transparent serait fixée ; ils accompliraient ensuite une activité dans laquelle leur souffle se fixait sur la diapositive (comme lire un paragraphe à haute voix). La lame et toutes les particules qui y sont attachées seraient imagées et analysées pour détecter tout virus présent.
« Il y a deux avantages clés à ce type de test COVID », a déclaré Goswami. « Le premier est la rapidité : la durée peut être de l’ordre d’une minute. Le second est que nous n’ajoutons aucun produit chimique ni aucune modification aux échantillons fournis. glisser lui-même. »
D’un point de vue clinique, l’impact de ces capacités de diagnostic innovantes est prononcé.
« Une intervention précoce via un diagnostic rapide du COVID-19, combinée à la recherche des contacts, réduira considérablement la transmission, la morbidité et la mortalité du COVID-19 », a déclaré Nahed Ismail, professeur de pathologie et directeur médical du laboratoire de microbiologie clinique de l’Université de l’Illinois à Chicago.
Cette programmation d’IA hautement adaptative pourrait aider à faire face aux futures pandémies, pas seulement au COVID-19.
« Nous avons besoin d’une détection rapide des maladies », a déclaré Goswami. « Pas seulement COVID, mais d’autres. Nous pouvons et devons unir nos efforts, à la fois en termes d’optique et d’IA, pour essayer de savoir jusqu’où nous pouvons aller. »
Cette recherche de pointe est le résultat d’une collaboration entre des scientifiques du Beckman Institute, de l’Université de l’Illinois Urbana-Champaign et de l’Université de l’Illinois à Chicago.
« Ce qui est incroyable avec ce projet, c’est que nous pouvons amener le travail de laboratoire aux essais cliniques en très peu de temps », a déclaré Helen Nguyen, professeur Ivan Racheff en génie civil et environnemental à l’UIUC et collaboratrice du projet.
