Largement utilisés dans le domaine de la santé, les algorithmes permettent d'effectuer des calculs approfondis pour affiner les précisions de diagnostics de maladies. C'est précisément la méthode employée dans cette étude réalisée dans des zones rurales d'Afrique du Sud, à l'aide de tests de diagnostic rapide (TDR) destinés à dépister le VIH.
Publiée dans la revue Nature Medicine, cette vaste étude de terrain a exploité le potentiel des capteurs, des caméras, de la puissance de traitement et des capacités de partage des données des téléphones portables, afin de mettre au point une application capable de lire les résultats des tests à partir d'une image prise par les utilisateurs finaux sur un appareil mobile.
Si les autotests effectués hors laboratoire, qui se sont rapidement développés depuis l'arrivée de la pandémie, ont permis de donner un coup d'accélérateur au dépistage, l'interprétation exacte de leurs résultats reste difficile à l'œil nu. C'est précisément ce défaut que l'application développée par l'University College de Londres (ULC) et l'Africa Health Research Institute (AHRI) tente de corriger.
Assurer la continuité des soins des patients
"Cette étude est un partenariat vraiment solide avec l'AHRI qui démontre la puissance de l'utilisation de l'apprentissage profond pour classer avec succès les images de test rapide acquises sur le terrain dans le 'monde réel' et réduire le nombre d'erreurs qui peuvent se produire lors de la lecture des résultats de test à l'œil. Cette recherche montre l'impact positif que les outils de santé mobiles peuvent avoir dans les pays à revenu faible ou intermédiaire et ouvre la voie à une étude plus vaste à l'avenir", estime Rachel McKendry, professeure à l'ULC qui a participé à la recherche.
Simple d'usage, cette application vise plusieurs objectifs : établir des diagnostics plus précis donc, mais aussi aider les décisions relatives au dépistage du VIH prises par les travailleurs sociaux, les infirmières et les agents de santé communautaires. Elle pourrait également faciliter la transmission des résultats aux systèmes de santé publique afin d'améliorer la collecte des données et assurer la continuité des soins des patients.
Les scientifiques à l'origine de ce projet suggèrent aussi l'utilité de pouvoir transférer en temps réel des résultats des TDR par le biais d'un appareil connecté dans la gestion des épidémies, par exemple pour localiser les endroits où le nombre de tests positifs est élevé. Une méthode qu'ils prévoient d'étendre dans la gestion des patients Covid-19, ainsi que pour les maladies non transmissibles.