Et s’il était possible de détecter la présence du virus COVID-19 dans notre organisme grâce au son de notre voix ? Une équipe de chercheurs du Massachusetts Institute of Technology a relevé ce défi !
En octobre, une équipe de chercheurs du MIT a publié un article scientifique sur une nouvelle méthode de test permettant de détecter les porteurs du COVID-19. Il ne s’agit pas d’un test biologique comme ceux que nous utilisons actuellement. Ces chercheurs ont développé une intelligence artificielle permettant de détecter la présence du virus au simple son de notre toux. Comment ont-ils procédé ?
Ce que ces chercheurs ont réalisé se nomme le Machine Learning : à partir d’un ensemble de données, on modélise le comportement d’une variable. En l'occurrence, être positif ou non au COVID-19. Afin de développer cette modélisation, il est nécessaire d’extraire de cet ensemble de données les caractéristiques ayant un impact sur cette variable. Une fois ces caractéristiques trouvées et le modèle généré, les performances de la modélisation doivent être évaluées. Pour ce faire, une partie de l’ensemble de données (10%, par exemple) est mise de côté afin de valider le modèle mathématique et ne sera pas utilisée pour l’entraîner.
Tout d’abord, les chercheurs devaient créer cet ensemble de données. Ils ont donc mis en place une plateforme internet permettant aux volontaires de soumettre un enregistrement de leur toux, de préciser s' ils étaient positifs et asymptomatiques. L’objectif de cette collecte de données est de représenter au mieux la population. Afin de générer leur modèle mathématique, ils ont utilisé 4256 enregistrements et 1064 pour en évaluer ces performances.
Déterminer, au son de la toux, si le sujet est positif ou non, n’est pas possible à l’audition. Cependant, de nombreuses études ont démontré que certaines maladies (typiquement les maladies pulmonaires) entraînent de faibles changements dans notre voix. Les chercheurs ont donc identifié et étudié 4 caractéristiques du son de notre toux qui sont spécifiques au COVID-19. Que l’on soit porteur sain ou non. Ces caractéristiques se nomment des biomarqueurs: “la dégradation/fatigue musculaire”, “force des cordes vocales”, “performances des poumons et voies respiratoires” et le “sentiment”. En effet, de récentes études cliniques ont mis en évidence que des sentiments, tels que le doute et la frustration, étaient des indicateurs pertinents pour un diagnostic précoce au COVID-19. Afin de générer le modèle, les chercheurs ont utilisé un outil mathématique très utilisé en machine learning, le “Convolutional Neural Network”.
Après évaluation des performances, il s’est avéré que l'intelligence artificielle développée par cette équipe présente une fiabilité de 98,5% au COVID-19, dont 100% pour les asymptomatiques. Ces résultats sont surprenants pour deux raisons. La première, à titre de comparaison, le taux de fiabilité du test PCR est 98% si le prélèvement est effectué correctement. La deuxième, l’intelligence artificielle est moins sensible aux sujets présentant des symptômes. La raison est simple, la présence de symptômes peut également être due à une grippe, asthme ou tout autre maladie pulmonaire.
Quels sont les avantages de cette potentielle nouvelle méthode ?
Un test non-invasif, avec un résultat immédiat, accessible à l’aide d’un smartphone,... Il s’agit également d’une méthode de testing capable d’évoluer dans le temps. En effet, après validation par un test PCR, chaque enregistrement pourrait être utilisé pour perfectionner le modèle. Par exemple, si le virus mute dans les mois à venir ou l’adapter à la sensibilité des cordes vocales et du système respiratoire qui devient plus importante en hiver. Actuellement, les chercheurs désirent tester leur modèle sur divers ensembles de données et, si les performances sont validées, développer une application mobile.
Le KapTech
Crédits photo :
Monsenso – Intelligent living.co - https://www.intelligentliving.co/voice-analysis-app-ai-detect-covid-19-infection/
Sources :
https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029#:~:text=Caption%3A-,MIT%20researchers%20have%20found%20that%20people%20who%20are%20asymptomatic%20for,decipherable%20to%20the%20human%20ear.&text=Asymptomatic%20people%20who%20are%20infected,physical%20symptoms%20of%20the%20disease.
Jordi Laguarta , Ferran Hueto, and Brian Subirana “COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings”, IEEE Journal of Engineering in Medicine and Biology, 2020
https://www.youtube.com/watch?v=y2z1_sDNoLo
Commentaires