Le nouveau coronavirus, ou SARS-CoV-2, qui cause le très contagieux COVID-19, a infecté des millions de personnes dans le monde. La propagation mondiale de cette pandémie mortelle a déclenché de vastes recherches sur le contrôle des infections. Cependant, contrôler la propagation du COVID-19 est difficile pour de nombreuses raisons.
Certains patients présentent une variété de symptômes non spécifiques allant des maux de tête à la toux. Cependant, de nombreux patients atteints de COVID-19 restent sans symptômes même après avoir été infectés, mais peuvent toujours avoir le potentiel d’infecter d’autres personnes. Cela rend le triage et le diagnostic initiaux difficiles. Et bien que les techniques de réaction en chaîne par polymérase de transcription inverse (RT-PCR) soient actuellement l’étalon-or, elles ont certaines limites.
La RT-PCR implique le transport d’échantillons vers un laboratoire clinique pour les tests, ce qui pose des difficultés logistiques. Cela nécessite également l’utilisation de réactifs, qui pourraient être rares et moins efficaces lorsque le virus mute. De plus, les tests RT-PCR peuvent prendre du temps et être moins sensibles chez les personnes asymptomatiques, ce qui les rend impossibles pour un dépistage rapide généralisé.
Ainsi, les chercheurs biomédicaux tentent de concevoir de nouvelles méthodes pour une meilleure détection des infections au COVID-19 dans les établissements de soins, sans qu’il soit nécessaire d’envoyer des échantillons pour des tests. Récemment, des chercheurs du Canada ont développé une telle technique en utilisant des échantillons de salive. Contrairement aux prélèvements nasopharyngés, le prélèvement de salive est plus sûr et non invasif. Dans leur article publié dans le Journal d’optique biomédicaleils décrivent une nouvelle technique de détection sans réactif basée sur l’apprentissage automatique (ML) et la spectroscopie Raman à base de laser.
La spectroscopie Raman est couramment utilisée par les chercheurs pour déterminer la composition moléculaire des échantillons. En termes simples, les molécules dispersent les photons incidents (particules de lumière) d’une manière unique qui dépend des structures chimiques et des liaisons sous-jacentes. Les chercheurs peuvent détecter et identifier des molécules en fonction de leur « empreinte digitale » ou spectre Raman caractéristique, qui est obtenu en faisant briller la lumière sur des échantillons et en mesurant la lumière diffusée.
Le COVID-19 peut provoquer des changements chimiques dans la composition de la salive. Sur la base de ces connaissances, l’équipe de recherche a analysé 33 échantillons positifs au COVID-19 cliniquement appariés avec un sous-ensemble d’un total de 513 échantillons de salive négatifs au COVID-19 prélevés à la clinique de test COVID-19 de Pointe-Saint-Charles au Québec, Canada. Les spectres Raman qu’ils ont obtenus ont ensuite été formés sur des modèles d’apprentissage à instances multiples, au lieu de modèles conventionnels.
L’auteur principal Frédéric Leblond, en poste à Polytechnique Montréal, au Centre de recherche du Centre hospitalier de l’Université de Montréal et à l’Institut du cancer de Montréal, Canada, explique cela plus simplement : « Notre méthode d’apprentissage automatique utilise les informations de chaque spectre Raman . Il n’utilise pas de données moyennes et peut donc intégrer plus d’informations provenant des échantillons de salive pour donner un résultat très précis.
Les résultats de cette méthode indiquent une précision d’environ 80 %, et les chercheurs ont découvert que la prise en compte du sexe à la naissance était importante pour atteindre cette précision. Bien que la composition de la salive soit affectée par l’heure de la journée ainsi que par l’âge du sujet testé et d’autres problèmes de santé sous-jacents, cette technique peut toujours s’avérer être un excellent candidat pour la détection du COVID-19 dans le monde réel.
Notre approche sans étiquette surmonte de nombreuses limites des tests RT-PCR. Nous nous efforçons de le commercialiser en tant que système plus rapide, robuste et peu coûteux, avec une précision potentiellement plus élevée. Cela pourrait être facilement intégré aux flux de travail de détection virale actuels, adaptés aux nouveaux virus et infections bactériennes, ainsi qu’à la prise en compte des variables de confusion grâce à de nouvelles approches d’apprentissage automatique. En parallèle, nous travaillons à réduire davantage le temps de test en utilisant des surfaces métalliques nanostructurées pour contenir l’échantillon de salive. »
Katherine Ember, chercheuse postdoctorale, Polytechnique Montréal, Canada, et première auteure de l’étude
Ces résultats peuvent faciliter une meilleure détection du COVID-19 en plus d’ouvrir la voie à de nouveaux outils pour d’autres maladies infectieuses.
