Une technologie pionnière développée par les chercheurs de l’UCL (University College London) et de l’Africa Health Research Institute (AHRI) pourrait transformer la capacité d’interpréter avec précision les résultats des tests de dépistage du VIH, en particulier dans les pays à revenu faible et intermédiaire.
Des universitaires du London Centre for Nanotechnology de l’UCL et de l’AHRI ont utilisé des algorithmes d’apprentissage en profondeur (intelligence artificielle/IA) pour améliorer la capacité des agents de santé à diagnostiquer le VIH à l’aide de tests de flux latéral dans les zones rurales d’Afrique du Sud.
Leurs conclusions, publiées aujourd’hui dans Médecine naturelle, impliquent la première et la plus grande étude de résultats de tests VIH acquis sur le terrain, qui ont appliqué l’apprentissage automatique (IA) pour aider à les classer comme positifs ou négatifs.
Plus de 100 millions de tests VIH sont effectués chaque année dans le monde, ce qui signifie que même une petite amélioration de l’assurance qualité pourrait avoir un impact sur la vie de millions de personnes en réduisant le risque de faux positifs et négatifs.
En exploitant le potentiel des capteurs de téléphones portables, des caméras, de la puissance de traitement et des capacités de partage de données, l’équipe a développé une application capable de lire les résultats des tests à partir d’une image prise par les utilisateurs finaux sur un appareil mobile. Il peut également être en mesure de communiquer les résultats aux systèmes de santé publique pour une meilleure collecte de données et des soins continus.
Les tests de flux latéral – ou tests de diagnostic rapide (TDR) – ont été utilisés tout au long de la pandémie de COVID-19 et jouent un rôle important dans le contrôle et le dépistage des maladies.
Bien qu’ils offrent un moyen rapide et facile de tester en dehors des milieux cliniques, y compris l’autotest, l’interprétation des résultats des tests peut parfois être difficile pour les non-initiés.
L’autotest repose sur l’autodéclaration des résultats par les personnes à des fins de soutien clinique et de surveillance. Les preuves suggèrent que certains soignants non professionnels peuvent avoir du mal à interpréter les TDR en raison du daltonisme ou de la myopie.
La nouvelle étude a examiné si une application d’IA pouvait soutenir les décisions de dépistage du VIH prises par les agents de terrain, les infirmières et les agents de santé communautaires.
Une équipe de plus de 60 agents de terrain formés à l’AHRI a d’abord aidé à créer une bibliothèque de plus de 11 000 images de tests de dépistage du VIH prises dans diverses conditions sur le terrain au KwaZulu-Natal, en Afrique du Sud, à l’aide d’un outil de santé mobile et d’un protocole de capture d’images développé par UCL.
L’équipe de l’UCL a ensuite utilisé ces images comme données d’entraînement pour leur algorithme d’apprentissage automatique. Ils ont comparé la précision avec laquelle l’algorithme classait les images comme négatives ou positives, par rapport aux utilisateurs interprétant les résultats des tests à l’œil nu.
L’auteur principal et directeur d’i-sense, le professeur Rachel McKendry (UCL London Centre for Nanotechnology et UCL Division of Medicine) a déclaré : » images de test rapide acquises sur le terrain et réduire le nombre d’erreurs pouvant survenir lors de la lecture des résultats des tests à l’œil nu. Cette recherche montre l’impact positif que les outils de santé mobiles peuvent avoir dans les pays à revenu faible et intermédiaire, et ouvre la voie à une étude plus vaste à l’avenir.
Une étude pilote sur le terrain auprès de cinq utilisateurs d’expériences diverses (allant des infirmières aux agents de santé communautaires nouvellement formés) les a impliqués dans l’utilisation de l’application mobile pour enregistrer leur interprétation de 40 résultats de tests de VIH, ainsi que pour capturer une image des tests à lire automatiquement. par le classificateur d’apprentissage automatique. Tous les participants ont pu utiliser l’application sans formation.
Le classificateur d’apprentissage automatique a pu réduire les erreurs de lecture des TDR, classant correctement les images RDT avec une précision globale de 98,9 %, par rapport à l’interprétation traditionnelle des tests à l’œil nu (92,1 %).
Une étude précédente d’utilisateurs d’expérience variable dans l’interprétation des TDR du VIH a montré que la précision variait entre 80 % et 97 %.
D’autres maladies que les TDR pourraient prendre en charge comprennent le paludisme, la syphilis, la tuberculose, la grippe et les maladies non transmissibles.
Le premier auteur, le Dr Valérian Turbé (UCL London Centre for Nanotechnology) et chercheur i-sense dans le groupe McKendry a déclaré : « Après avoir passé du temps au KwaZulu-Natal avec des agents de terrain organisant la collecte de données, j’ai vu à quel point c’est difficile pour les gens pour accéder aux services de santé de base. Si ces outils peuvent aider à former les gens à interpréter les images, vous pouvez faire une grande différence dans la détection du VIH à un stade très précoce, ce qui signifie un meilleur accès aux soins de santé ou en évitant un diagnostic erroné. vit, d’autant plus que le VIH est transmissible.
L’équipe prévoit maintenant une étude d’évaluation plus large pour évaluer les performances du système, avec des utilisateurs d’âges, de sexes et de niveaux de culture numérique différents.
Un système numérique a également été conçu pour se connecter aux systèmes de gestion des laboratoires et des soins de santé, où le déploiement et l’approvisionnement des TDR peuvent être mieux surveillés et gérés.
Les essais que nous avons menés dans la région ont montré que l’autotest du VIH est efficace pour atteindre un grand nombre d’adolescents et de jeunes hommes. Cependant, l’auto-dépistage du VIH a moins bien réussi à lier les gens à la prévention et au traitement biomédicaux. Un système numérique qui relie un résultat de test et la personne aux soins de santé, y compris un lien avec la thérapie antirétrovirale et la prophylaxie pré-exposition, a le potentiel de décentraliser la prévention du VIH et d’atteindre les objectifs de l’ONUSIDA pour éliminer le VIH. »
Professeur Maryam Shahmanesh, responsable de la faculté de recherche clinique de l’AHRI, UCL Institute for Global Health
Le Dr Kobus Herbst, responsable de la faculté des sciences de la population de l’AHRI, a ajouté : « Cette étude montre comment les approches d’apprentissage automatique peuvent bénéficier d’ensembles de données vastes et diversifiés disponibles dans les pays du Sud, tout en répondant aux priorités et aux besoins locaux en matière de santé.
Les chercheurs suggèrent également que la communication en temps réel des résultats des TDR via un appareil connecté pourrait aider à la formation du personnel et à la gestion des épidémies, par exemple en mettant en évidence les « points chauds » où le nombre de tests positifs est élevé. Ils étendent actuellement l’approche à d’autres infections, notamment le COVID-19 et les maladies non transmissibles.
L’ancien directeur de l’AHRI, le professeur Deenan Pillay (UCL Infection & Immunity), a déclaré: « Alors que la recherche en santé numérique se généralise, il subsiste de sérieuses inquiétudes quant au fait que les populations les plus nécessiteuses dans le monde n’en bénéficieront pas autant que celles des milieux à revenu élevé. Notre travail montre comment, avec des partenariats et un engagement appropriés, nous pouvons démontrer l’utilité et les avantages pour les personnes à revenu faible ou intermédiaire. »
La source:
Collège universitaire de Londres
Référence de la revue :
Turbé, V., et al. (2021) Apprentissage approfondi des tests rapides de dépistage du VIH sur le terrain. Médecine naturelle. doi.org/10.1038/s41591-021-01384-9.
