Développement D’une Application Basée Sur L’intelligence Artificielle Pour L’aide Au Diagnostic De La Tuberculose Active À Partir Des Données Biologiques De Routine.

Résumé: La tuberculose demeure l'une des maladies transmissibles les plus meurtrières au monde, constituant un problème majeur de santé publique à l'échelle mondiale. Cette étude, de nature rétrospective et de type cas-témoins, vise à évaluer l'utilité des données de la numération de la formule sanguine (NFS ou "hémogramme") dans le diagnostic de la tuberculose active. La population d'étude se compose de 449 individus diagnostiqués et mis sous traitement pour une tuberculose active pulmonaire ou extrapulmonaire, recrutés au niveau du Service de Contrôle de la Tuberculose et des Maladies Respiratoires (SCTMR) d'Es-Senia, ainsi que les deux antennes de Sidi-Maarouf et Sid-chahmi, durant la période allant de janvier 2016 à avril 2023. Les témoins sont composés de 1200 individus sains résidant dans la wilaya d’Oran, ne présentant aucune pathologie infectieuse, recrutés dans le cadre de leur bilan de pré-embauche au service de médecine du travail du CHU d’Oran. À la lumière des résultats de cette étude, il a été constaté que la tuberculose peut affecter le système hématologique et immunologique des patients. Chacune de ces cellules sanguines peut représenter un biomarqueur potentiel pour prédire les sujets atteints de la tuberculose, voire ceux infectés de manière latente susceptibles de développer une tuberculose active. L'intégration de l'IA dans l'analyse des données hématologiques et immunologiques a permis de développer un modèle d'IA présentant une sensibilité de 67,6% et une spécificité de 96,2%. Ces résultats prometteurs ouvrent la voie à un outil de diagnostic peu coûteux et facile à utiliser pour la tuberculose, en complément des examens cliniques et microbiologiques. En conclusion, cette étude contribue à notre compréhension de la tuberculose et de son impact sur le système sanguin et immunitaire. Elle souligne le potentiel de l'IA pour améliorer le diagnostic précoce de la tuberculose, offrant ainsi de nouvelles opportunités pour une gestion efficace de cette maladie. Des efforts futurs viseront à étendre la base de données d'apprentissage pour renforcer les performances de l'algorithme et son utilisation généralisée en tant qu'outil de diagnostic.

Publié dans la revue: