Identification des tiques pour combattre la maladie de Lyme

16 septembre 2019

Recherche en santé 2019

Par Ian Gormely

Toronto – Aujourd’hui, le Vector Institute, un institut de recherche indépendant à but non lucratif axé sur l’apprentissage automatique de pointe, a annoncé le troisième de sa série de projets Pathfinder visant à mettre en œuvre l’intelligence artificielle (IA) dans le secteur de la santé.

Le troisième projet Pathfinder, réalisé en partenariat avec Santé publique Ontario (PHO), classifiera les espèces de tiques à l’aide de la vision par ordinateur. Les tiques à pattes noires sont les seules en Ontario connues pour porter B. burgdorferi, la bactérie responsable de la maladie de Lyme. Toutes les tiques à pattes noires ne portent pas B. burgdorferi, mais une morsure d’une tique est plus préoccupante que celle d’une tique de chien ou d’une autre espèce qui ne porte pas la bactérie. Pour ce projet, le scientifique technique en IA de Vector, le Dr Elham Dolatabadi, la Dre Vanessa Allen, chef du département de microbiologie du PHO, et le Dr Samir Patel, microbiologiste clinique à PHO, développeront une méthode permettant d’identifier automatiquement les espèces de tiques grâce à la vision par ordinateur.

Le premier livrable sera un algorithme d’IA que les professionnels de PHO utiliseront pour déterminer si une tique est une tique à jambes noires ou non. L’objectif à long terme est de créer une application que tout le monde peut utiliser pour simplement prendre une photo d’une tique. Une fois que l’application identifie l’espèce, elle fournit des conseils.

« L’application que nous voulons développer donnerait du pouvoir au public », affirme le Dr Patel. PHO reçoit environ 10 000 tiques chaque année pour identification. Actuellement, le laboratoire PHO doit identifier chaque tique individuelle soumise. « Identifier manuellement et rapporter chaque tick au soumissionnaire peut prendre jusqu’à trois semaines », dit-il. Le processus peut être automatisé grâce à des approches d’apprentissage automatique, ce qui le rend plus rapide chez PHO à court terme. « Une fois l’application développée, le processus sera encore plus rapide parce qu’elle pourra vous dire immédiatement s’il s’agit d’une tique à pattes noires et déduire le risque de contracter la maladie de Lyme. » L’identification rapide des tiques à pattes noires permettra aux individus de déterminer s’ils doivent ou non consulter un médecin dans les 72 heures recommandées suivant leur retrait de la tique.

Les projets Pathfinder sont des efforts à petite échelle conçus pour produire des résultats en 12 à 18 mois, qui orientent la recherche et l’adoption technologique futures. Avec le soutien technique et des ressources de l’Institut Vector, les projets réunissent chacun une équipe de recherche multidisciplinaire pour s’attaquer à un problème ou une opportunité importante en santé en utilisant l’apprentissage automatique et l’IA de manière plus large. Chaque projet a été choisi pour son potentiel à aider à identifier un « chemin » permettant de traduire la recherche en apprentissage automatique de calibre mondial en bénéfices généralisés pour les patients.

À propos de l’Institut Vector

Le Vector Institute est une entreprise indépendante à but non lucratif dédiée à l’avancement de l’intelligence artificielle, excellant dans l’apprentissage automatique et profond. La vision de l’Institut Vector est de promouvoir l’excellence et le leadership dans la connaissance, la création et l’utilisation de l’IA au Canada afin de favoriser la croissance économique et d’améliorer la vie des Canadiens.

L’Institut des Vecteurs est financé par la province de l’Ontario, le gouvernement du Canada via la Stratégie pancanadienne de l’IA administrée par le CIFAR, ainsi que par des commanditaires industriels de toute l’économie canadienne.

Identification des tiques

Les tiques et la menace de la maladie de Lyme sont devenues une habitude des sorties extérieures durant les mois d’été. Pour beaucoup de Canadiens, un contrôle approfondi des petits insectes qui se nourrissent de notre sang est la norme lorsqu’on revient d’une randonnée ou d’un voyage de camping. Pourtant, seules certaines espèces de tiques portent réellement la bactérie responsable de la maladie de Lyme. Le défi pour la plupart des Ontariens est d’identifier correctement le type de tique qui a décidé de vous faire son lunch.

« La moitié des tiques en Ontario sont des tiques de chien », explique le Dr Samir Patel, microbiologiste clinicien à Santé publique Ontario (PHO). « Ils ne portent pas la bactérie qui cause la maladie de Lyme. » Cependant, les tiques à pattes noires sont capables de transporter et de transmettre cette bactérie, le risque d’infection étant plus élevé dans certaines régions de la province que dans d’autres. Toute personne qui en trouve un sur son corps devrait consulter un médecin.

PHO reçoit plus de 10 000 soumissions de tiques chaque année — des tiques envoyées à leur laboratoire à Sault Ste. Marie — d’Ontariens cherchant des conseils concernant une éventuelle piqûre de tique. Actuellement, le laboratoire doit identifier manuellement chaque insecte, un processus qui peut prendre jusqu’à trois semaines.

Pour assurer une évaluation médicale rapide et simplifiée des piqûres de tiques à haut risque, ainsi que pour réduire l’anxiété des individus face à la possible maladie de Lyme après une piqûre de tique, PHO développe une application mobile pour identifier rapidement et précisément les espèces de tiques et fournir des conseils médicaux pour les prochaines étapes. « Il y a actuellement une lacune dans les soins », admet la Dre Vanessa Allen, chef de la microbiologie médicale à PHO, « et c’est une façon de combler cet écart et d’améliorer les soins et la prestation des services pour la maladie de Lyme en Ontario et au-delà. »

Avec le Dr Allen et le scientifique technique en IA de Vector, le Dr Elham Dolatabadi, le Dr Patel développe actuellement un modèle de vision par ordinateur pour différencier les deux espèces de tiques courantes normalement présentes en Ontario. « À court terme, nous avons hâte d’utiliser la vision par ordinateur pour l’identification des tiques à pattes noires chez PHO. » dit-il. « Une fois l’application développée, elle donnera du pouvoir au public. Si vous trouvez une tique sur votre corps, l’application pourra vous dire immédiatement si c’est une tique aux jambes noires ou non. »

Les populations de tiques ont augmenté ces dernières années, tout comme la sensibilisation aux piqûres de tiques et à la menace de la maladie de Lyme, explique le Dr Allen. Mais elle et la Dre Patel avertissent toutes deux qu’une piqûre de tique, même d’une tique aux jambes noires, ne signifie pas automatiquement qu’une personne contractera la maladie de Lyme et, lorsque c’est approprié, une seule dose de prophylaxie devrait réduire les risques d’infection.

PHO prévoit rendre l’application accessible au public d’ici la fin de l’année prochaine. Ils espèrent aussi utiliser les données des photos soumises par les utilisateurs pour aider à suivre les populations de tiques dans la province et mieux comprendre où les tiques se déplacent, ce qui peut aider à orienter les stratégies futures, explique le Dr Allen. « Ce n’est pas une solution miracle, mais c’est un outil pour accélérer le processus de soins aux patients et notre compréhension de la maladie de Lyme. »

Projets Pathfinder supplémentaires :

Des milliers d’images au bout des doigts du radiologue voyant l’invisible

Système d’alerte précoce pour la médecine interne générale

Cardiologue canadien renommé utiliser l’IA pour répondre à une bombe à retardement

À lire aussi :

2026
Réflexions
Recherche
Recherche 2026

La nouvelle cartographie de l’invisible

Les femmes écrivent sur un tableau blanc. Il y a un homme à sa gauche qui regarde le tableau.
2025
Recherche
Recherche 2025

Les chercheurs en vecteurs font avancer les frontières de l’IA avec 80 articles au NeurIPS 2025

2025
Apprentissage automatique
Recherche
Recherche 2025

Quand l’IA intelligente devient trop intelligente : Principaux enseignements de l’atelier 2025 sur la sécurité et la vie privée en apprentissage automatique de Vector