Dans la lutte contre la tuberculose, le dépistage précoce est crucial. Pourtant, des millions de cas ne sont pas diagnostiqués chaque année, en particulier dans les pays à revenu faible ou intermédiaire.
Si les solutions de santé basées sur l'intelligence artificielle ont accéléré la détection de la tuberculose, l'intensification du dépistage demeure un défi dans de nombreux pays à revenu faible ou intermédiaire en raison de limitations d'infrastructures, notamment la pénurie de radiologues et de cliniciens, et l'absence d'infrastructures sanitaires dans les régions reculées.
C'est pourquoi, au lieu de recourir à des remplacements et des achats coûteux, l'intégration de l'IA aux systèmes de radiographie existants pourrait constituer une approche pratique et rentable : elle permettrait d'améliorer l'efficacité, d'optimiser les ressources, d'améliorer les taux de détection et, globalement, d'élargir l'accès aux soins.
Les millions manqués
Malgré la stratégie de l'OMS pour mettre fin à la tuberculose à l'horizon 2030 , des millions de personnes ne sont toujours pas diagnostiquées.
Environ 50 % des cas de tuberculose sont asymptomatiques et échappent aux efforts de dépistage traditionnels. Le dépistage intégré à l'IA peut combler cette lacune, en renforçant la détection active des cas et la surveillance nationale globale en améliorant la précision du diagnostic, en améliorant l'efficacité dans les contextes à forte charge de morbidité et en soutenant les professionnels de santé dans les environnements à faibles ressources.
Par exemple, en Inde, où les hôpitaux de district jouent un rôle crucial dans la détection de la tuberculose, l'intégration de l'IA dans les radiographies pulmonaires de routine pourrait améliorer considérablement l'identification des cas.
Avec environ 760 hôpitaux de district à travers le pays, même une estimation prudente de 50 radiographies pulmonaires par hôpital et par jour se traduit par plus de 13 millions de radiographies pulmonaires par an. L' enquête nationale sur la prévalence de la tuberculose 2019-21 a indiqué que 42,6 % des cas de tuberculose ont été identifiés grâce à un dépistage radiologique initial, indépendamment de la présence de symptômes classiques de la tuberculose, soulignant le potentiel de l'IA pour détecter des cas supplémentaires grâce au dépistage accidentel de la tuberculose.
C'est également le cas dans d'autres pays fortement touchés par la tuberculose, comme l'Éthiopie en Afrique, et les Philippines et l'Indonésie en Asie du Sud-Est. Si l'on prend le cas de l'Indonésie, on estime que 1,1 million de personnes contractent la tuberculose, dont environ 300 000 cas ne sont pas diagnostiqués. Pour combler ce déficit de dépistage, le gouvernement vise à dépister 7 à 8 millions de personnes chaque année. Le potentiel d'un système de dépistage basé sur l'IA, mis en œuvre dans l'ensemble des infrastructures de santé existantes, pourrait transformer la détection de la tuberculose à grande échelle et contribuer à détecter un nombre exponentiel de cas.
Au Lesotho, l'IA permet de surmonter la pénurie de radiologues
Plusieurs pays mettent déjà en œuvre le dépistage de la tuberculose par l'IA et en constatent directement les bénéfices. Par exemple, le Lesotho est confronté à l'un des plus lourds fardeaux de tuberculose au monde, aggravé par une grave pénurie de radiologues. Conscient de la nécessité d'un dépistage rapide et précis, le ministère de la Santé du pays a intégré des solutions de radiographie pulmonaire basées sur l'IA à son système de santé.
Selon Llang Bridget Maama-Maime, responsable du programme national de lutte contre la tuberculose au ministère de la Santé du Lesotho, les solutions basées sur l'IA ont permis aux établissements de santé d'améliorer l'efficacité du diagnostic tout en continuant d'utiliser les appareils de radiographie existants.
Face à un accès limité aux radiologues, l'intégration de l'IA aux systèmes d'imagerie existants a permis des interprétations radiographiques rapides et de haute qualité, réduisant ainsi la dépendance aux lecteurs humains et améliorant la détection de la tuberculose. Cette approche optimise les ressources disponibles et garantit l'accessibilité des services de diagnostic, en particulier dans les contextes à ressources limitées.
Depuis sa mise en œuvre, plus de 6 000 analyses ont été traitées dans sept sites, identifiant plus de 1 100 cas potentiels de tuberculose , renforçant ainsi la manière dont l'imagerie alimentée par l'IA peut aider à combler les lacunes en matière de diagnostic.
Développer l'IA grâce à la formation des professionnels de santé au Nigéria
Lorsque le Nigéria a lancé pour la première fois un projet pilote de dépistage radiographique pulmonaire basé sur l'IA, il est devenu évident qu'outre le déploiement de cette technologie, le renforcement des capacités des professionnels de santé était essentiel à la pérennité et au renforcement du système de santé. Le Dr Chukwuma Anyaike, directeur de la santé publique au ministère fédéral de la Santé du Nigéria, a souligné l'importance de la formation, soulignant que doter les professionnels de santé des compétences nécessaires permet de minimiser les faux positifs et les faux négatifs. Il a souligné qu'au lieu de réinventer les systèmes existants, il fallait se concentrer sur l'optimisation des ressources actuelles et l'amélioration continue des efforts de détection de la tuberculose.
Pourquoi le rajeunissement basé sur l'IA est important
L'imagerie assistée par l'IA permet un dépistage plus rapide et plus précis de la tuberculose dans les communautés clés et vulnérables, améliorant ainsi les taux de détection précoce et de mise en route du traitement. Les solutions d'IA optimisent également les machines existantes, augmentant ainsi la portée sans investissement matériel supplémentaire.
Les résultats de l’étude d’évaluation des technologies de la santé en Inde ont validé davantage la rentabilité du dépistage de la tuberculose assisté par l’IA.
L'étude a révélé qu'une solution d'IA pour le dépistage par radiographie pulmonaire présente un profil coût-efficacité favorable, avec un rapport coût-efficacité différentiel (RCED) bien inférieur au seuil du PIB par habitant de l'Inde, confirmant sa viabilité pour les programmes nationaux de lutte contre la tuberculose. Le RCED mesure le surcoût nécessaire à l'interprétation des cas suspects de tuberculose par rapport aux configurations de routine. De plus, le dépistage basé sur l'IA s'est avéré réduire les coûts par cas tout en améliorant l'efficacité diagnostique.
Le rapport coût-efficacité, ou ICER, mesure le coût supplémentaire requis pour interpréter les cas suspects de tuberculose par rapport à la configuration de routine.
Donner du pouvoir aux prestataires de soins de santé
L’intégration de l’IA permet également de prendre des décisions cliniques plus rapides et plus sûres, même dans les établissements sans radiologues, et s’est avérée offrir une évolutivité dans plusieurs domaines de maladies pour une gestion complète de la santé pulmonaire.
De plus, des études ont montré que l’IA peut différencier la pneumonie de la tuberculose avec une précision allant jusqu’à 97,7 %, surpassant la précision de 79,9 % obtenue par les médecins.
La voie à suivre
Malgré les avantages avérés de l'IA, de nombreux pays à revenu faible ou intermédiaire peinent à accéder aux innovations mondiales en la matière et à les adopter. Alors que les objectifs d'élimination de la tuberculose fixés par l'OMS pour 2035 approchent à grands pas, les pays ne peuvent se contenter des méthodes de dépistage traditionnelles. La modernisation des infrastructures de radiologie existantes grâce à l'IA s'avère également un modèle efficace de renforcement des systèmes de santé.
Pour exploiter pleinement le potentiel de l'IA, il est toutefois essentiel de poursuivre les investissements, l'innovation et la collaboration. En intégrant le dépistage assisté par l'IA, les pays à revenu faible ou intermédiaire peuvent considérablement accroître leurs capacités de détection de la tuberculose, permettant ainsi à des millions de personnes supplémentaires d'accéder à un diagnostic et à un traitement rapides. La question n'est plus de savoir si l'IA peut transformer la prise en charge de la tuberculose, mais plutôt de savoir à quelle vitesse nous pouvons mettre en œuvre et déployer ces solutions pour sauver davantage de vies.
Visitez Qure.ai pour plus d'informations sur l'IA dans les soins de la tuberculose et la santé mondiale
