EN FR

ACCUEIL ›BLOGS

Obtenir des données: créer un ensemble de données de vérité terrain pour le diagnostic du paludisme en Tanzanie
-

April 9, 2020

Alors pourquoi avons-nous décidé de collecter des ensembles de données sur le paludisme pour aider à développer une solution dans son diagnostic? Premièrement, le paludisme reste l’une des menaces importantes pour la santé publique et le développement économique en Afrique. À l'échelle mondiale, on estime que 216 millions de cas de paludisme sont survenus en 2017, l'Afrique supportant le plus gros de ce fardeau [5 *]. En Tanzanie, le paludisme est la principale cause de morbidité et de mortalité, en particulier chez les enfants de moins de 5 ans et les femmes enceintes. Le paludisme tue un enfant toutes les 30 secondes, environ 3000 enfants chaque jour [4 *]. Le paludisme est également la principale cause de patients ambulatoires, d'hospitalisations et d'admissions d'enfants de moins de cinq ans dans les établissements de santé [5 *].

Deuxièmement, les méthodes les plus courantes de dépistage du paludisme sont la microscopie et les tests de diagnostic rapide (TDR) [1, 2]. Les TDR sont largement utilisés, mais leur principal inconvénient est qu'ils ne peuvent pas compter le nombre de parasites. L'étalon-or pour le diagnostic du paludisme est donc la microscopie. L'évaluation des frottis sanguins épais colorés au Giemsa, lorsqu'elle est réalisée par des microscopistes experts, fournit un diagnostic précis du paludisme [3].

Néanmoins, cette méthode présente des défis, elle prend beaucoup de temps pour effectuer un diagnostic, nécessite des technologues expérimentés qui sont très peu nombreux dans les pays en développement, et l'examen manuel de l'échantillon au microscope est un processus fastidieux et fatigant pour les yeux. Nous avons appris que bien qu'un diagnostic microscopique soit un standard d'or pour le diagnostic du paludisme, il n'est toujours pas utilisé dans la plupart des centres de santé privés et publics. Nous avons réalisé que certains des technologues de laboratoire en soins de santé ne sont pas compétents pour préparer les réactifs de coloration utilisés dans le processus de diagnostic. Nous avons dû créer nos propres réactifs et leur fournir aux fins de cette recherche.

L'intelligence artificielle transforme la manière dont les soins de santé sont dispensés dans le monde. Cela a été évident dans la détection des pathologies, l'assistance chirurgicale et la détection précoce de maladies telles que le cancer du sein. Cependant, ces technologies nécessitent souvent des quantités importantes de données de qualité et dans de nombreux pays en développement, il y en a une pénurie.

Pour remédier à cette carence, mon équipe, composée de 6 informaticiens et de 3 technologues de laboratoire, a collecté et annoté 10,000 images d'un frottis sanguin taché et a développé un outil d'annotation open-source pour la création d'un ensemble de données sur le paludisme. Nous croyons fermement que la disponibilité de plus d'ensembles de données et de l'outil d'annotation (pour automatiser l'étiquetage des parasites dans une image de frottis sanguin coloré) améliorera les algorithmes existants dans le diagnostic du paludisme et créera une nouvelle référence.

Dans la collecte de cet ensemble de données, nous avons d'abord cherché et obtenu l'autorisation éthique du centre de recherche de l'Université de Dodoma et de l'hôpital Benjamin Mkapa. Nous avons collecté 50 échantillons de frottis sanguins pour les patients confirmés avec le paludisme et 50 échantillons pour les cas confirmés négatifs. Chaque échantillon a été coloré par le technologue de laboratoire et 100 images ont été prises à l'aide de l'iPhone 6S attaché à un microscope. Cela a conduit à avoir un total de 5000 images pour les patients confirmés positifs et 5000 images pour le patient confirmé négatif.

Grâce à ce travail, nous avons eu plusieurs opportunités, notamment d'assister à des conférences universitaires et de nouer des liens avec d'autres chercheurs tels que le Dr Tom Neumark, un anthropologue social postdoctoral à l'Université d'Oslo. Grâce à nos travaux, nous avons également rencontré le professeur Delmiro Fernandes-Reyes, professeur de génie biomédical. Dans le cadre d'une joint-venture avec le professeur Delmiro Fernandes-Reyes, nous avons soumis une proposition pour le réseau d'innovation DIDA Stage 1 African Digital Pathology Artificial Intelligence (AfroDiPAI) à la fin du mois de novembre 2019.

Nous diffusons également les résultats de nos recherches. Nous avons soumis un résumé (sur le projet en cours) à deux ateliers (Apprentissage automatique pratique dans les pays en développement et Intelligence artificielle pour une santé abordable) pour la conférence ICLR 2020 en Éthiopie, et il a été accepté pour être présenté sous forme d'affiche. Nous avons également été ravis de recevoir des commentaires très constructifs des évaluateurs de la conférence et nous sommes impatients de les intégrer au fur et à mesure que nous poursuivrons les projets et la publication finale.

La prochaine étape consistera à commencer à utiliser nos données et à former des modèles d'apprentissage profond au développement de l'outil d'annotation open-source. Dans le même temps, avec l'équipe AI4D, nous recherchons la meilleure approche à suivre lors de la publication de notre ensemble de données open-source dans le domaine médical.

Mais notre objectif général est de développer un produit final de notre application mobile qui aidera les technologistes de laboratoire en Tanzanie et au-delà dans le travail onéreux de diagnostic du paludisme. Nous avons déjà rencontré bon nombre de ces technologues qui sont non seulement enthousiastes et attendent avec impatience cet outil, mais nous ont généreusement aidés dans leur développement.

Liens

[1] BB Andrade, A. Reis-Filho, AM Barros, SM Souza-Neto, LL Nogueira, KF Fukutani, EP Camargo, LMA Camargo, A. Barral, A. Duarte et M. Barral-Netto. Vers un test précis de diagnostic du paludisme en Amazonie brésilienne: comparaison entre microscopie de terrain, test de diagnostic rapide, PCR imbriquée et système expert en calcul basé sur des réseaux de neurones artificiels. Malaria Journal, 9: 117, 2010.

[2] Maysa Mohamed Kamel, Samar Sayed Attia, Gomaa Desoky Emam et Naglaa Abd El Khalek Al Sherbiny, «La validité du test rapide de paludisme et de la microscopie dans la détection du paludisme dans une région de préélimination en Egypte», Scientifica, vol. 2016, numéro d'article 4048032, 5 pages, 2016. https://doi.org/10.1155/2016/4048032.

[3] Philip J. Rosenthal *, «Comment diagnostiquer au mieux le paludisme en Afrique?»: Https://doi.org/10.4269/ajtmh.2012.11-0619

[12] Rapport de l'UNICEF 2018. Le besoin urgent de mettre fin aux décès de nouveau-nés. Résumé de la réalité du paludisme https://www.unicef.org/health/files/health_africamalaria.pdf

[13] Rapport 2018 de l'OMS sur le paludisme. Récupéré le 1er mars 2019 sur  https://apps.who.int/iris/bitstream/handle/10665/275867/9789241565653-eng.pdf?ua=1