Aller au contenu principal

Cette intelligence artificielle est capable de détecter le Covid-19 en analysant le son d’une toux

Celle-ci affiche une précision globale de 98,5 % et identifie 100 % des cas asymptomatiques

S’appuyant sur de précédents travaux consistant à analyser la voix d’un individu afin d’identifier des signes de la maladie d’Alzheimer, des chercheurs du MIT ont conçu une intelligence artificielle capable de détecter le Covid-19 à partir d’une simple toux.

Une méthode de diagnostic innovante

Si la différence entre la toux d’une personne atteinte du Covid et celle d’une personne saine est indiscernable pour l’oreille humaine, celle-ci peut être identifiée par un algorithme d’apprentissage automatique. Dans le cadre de travaux présentés dans le IEEE Open Journal of Engineering in Medicine and Biology, une équipe de chercheurs du MIT a prélevé des milliers d’échantillons de toux et de voix afin d’entrainer son intelligence artificielle, qui est désormais capable de détecter les personnes atteintes du Covid-19 avec une précision globale de 98,5 % (avec 100 % des cas asymptomatiques identifiés).

Avant la pandémie, les chercheurs utilisaient ce type de technologie afin de détecter des signes de la maladie d’Alzheimer. Surtout connue pour ses effets néfastes sur la mémoire humaine, celle-ci a également tendance à affaiblir les cordes vocales et implique souvent une frustration exacerbée et une expressivité émotionnelle réduite. Conçu pour fonctionner comme un cerveau humain, l’algorithme ResNet50 a été entraîné à distinguer les sons en fonction de leur intensité, et deux autres réseaux neuronaux à détecter les émotions dans la voix, ainsi que les variations des performances pulmonaires et respiratoires dues à la toux.

La combinaison de ces trois systèmes, associée à un algorithme capable de déterminer le niveau de dégradation musculaire, a donné aux chercheurs un modèle d’intelligence artificielle capable de détecter les signes de la maladie d’Alzheimer, et un second spécifiquement adapté au diagnostic du Covid-19.

« Les sons de la parole et de la toux sont tous deux influencés par les cordes vocales et les organes environnants. Cela signifie que lorsque vous parlez, une partie de votre conversation est comme la toux, et vice versa », note Brian Subirana, co-auteur de l’étude. « Il y a en fait un sentiment intégré dans la façon dont vous toussez. Alors nous avons pensé, pourquoi ne pas voir si les biomarqueurs de la maladie d’Alzheimer sont pertinents pour le Covid. »

200 000 échantillons de toux recueillis

Au total, les chercheurs ont recueilli plus de 70 000 enregistrements de mots prononcés et 200 000 échantillons sonores de toux, dont 2 500 provenaient de sujets préalablement testés positifs au Covid. Ces derniers, ainsi que 1 500 autres, ont été utilisés afin d’entraîner le modèle d’IA, et un millier d’échantillons supplémentaires utilisés afin de tester sa précision. Ce qui a permis aux chercheurs de mettre en évidence quatre biomarqueurs (force des cordes vocales, émotion, performance pulmonaire et respiratoire, dégradation musculaire) spécifiques au Covid-19, qu’il s’agisse des cas symptomatiques ou asymptomatiques.

L’équipe a indiqué travailler activement au développement d’une application smartphone basée sur cette technologie, qui devra préalablement être approuvée par la Food and Drug Administration, agence autorisant la commercialisation des aliments et médicaments aux États-Unis, avant de pouvoir être proposée au téléchargement. Si tel est le cas, il suffira alors à l’utilisateur de tousser devant son téléphone afin d’obtenir instantanément des informations sur sa potentielle infection.

« La mise en œuvre efficace de cet outil de diagnostic à grande échelle pourrait contribuer à endiguer la propagation de la pandémie si tout le monde l’utilise avant de se rendre dans une salle de classe, au travail ou au restaurant », conclut Subirana.

— Hananeko_Studio / Shutterstock.com

Par Yann Contegat, le

Source: The Independent

Étiquettes: , , ,

Catégories: ,

Partager cet article

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *