L'identification des tiques pour lutter contre la maladie de Lyme

16 septembre 2019

Crédit photo : Jim Gathany

Par Ian Gormely

Toronto - Aujourd'hui, l'Institut Vecteur, un institut de recherche indépendant et sans but lucratif axé sur l'apprentissage automatique de pointe, a annoncé le troisième de sa série de projets exploratoires 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 (SPO), permettra de classer les espèces de tiques à l'aide de la vision par ordinateur. Les tiques à pattes noires sont les seules tiques de l'Ontario connues pour être porteuses de B. burgdorferi, la bactérie responsable de la maladie de Lyme. Toutes les tiques à pattes noires ne sont pas porteuses de B. burgdorferi, mais une morsure par l'une d'entre elles est plus préoccupante qu'une morsure par une tique de chien ou une autre espèce de tique qui n'est pas porteuse de la bactérie. Dans le cadre de ce projet, le Dr Elham Dolatabadi, scientifique de l'équipe technique d'IA de Vector, le Dr Vanessa Allen, chef du service de microbiologie de la PHO, et le Dr Samir Patel, microbiologiste clinique à la PHO, mettront au point une méthode d'identification automatique des espèces de tiques à l'aide d'un système de vision par ordinateur.

Le premier produit livrable sera un algorithme d'IA que les professionnels de la PHO utiliseront pour déterminer si une tique est une tique à pattes noires ou non. L'objectif à long terme est de créer une application que tout le monde pourra utiliser en prenant simplement une photo d'une tique. Une fois que l'application aura identifié l'espèce, elle fournira des conseils.

"L'application que nous voulons créer donnerait au public les moyens d'agir", explique le Dr Patel. Chaque année, le PHO reçoit environ 10 000 tiques à identifier. Actuellement, le laboratoire du PHO doit identifier chaque tique soumise. "L'identification manuelle et le rapport de chaque tique à l'auteur de la demande peuvent prendre jusqu'à trois semaines", explique-t-il. Le processus peut être automatisé à l'aide d'approches d'apprentissage automatique, de sorte qu'il est plus rapide à court terme pour le PHO. "Une fois l'application développée, le processus sera encore plus rapide car l'application pourra vous dire immédiatement s'il s'agit ou non d'une tique à pattes noires et en 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 suivant l'enlèvement de la tique.

Les projets exploratoires sont des efforts à petite échelle conçus pour produire des résultats dans les 12 à 18 mois qui orientent la recherche future et l'adoption de la technologie. Avec le soutien technique et les ressources de l'Institut Vecteur, les projets rassemblent chacun une équipe de recherche multidisciplinaire pour s'attaquer à un problème ou à une opportunité de soins de santé importants en utilisant l'apprentissage automatique et l'IA de manière plus générale. Chaque projet a été choisi pour son potentiel à aider à identifier un "chemin" par lequel la recherche sur l'apprentissage automatique de classe mondiale peut être traduite en avantages généralisés pour les patients.

À propos de l'Institut Vecteur

L'Institut Vecteur est une société indépendante à but non lucratif qui se consacre à l'avancement de l'intelligence artificielle, en excellant dans l'apprentissage machine et l'apprentissage profond. La vision de l'Institut Vecteur est de stimuler 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 Vecteur est financé par la province de l'Ontario, le gouvernement du Canada par le biais de la stratégie pancanadienne en matière d'IA administrée par le CIFAR, et des sponsors industriels issus de l'ensemble de l'économie canadienne.

Identification des tiques

Les tiques et la menace de la maladie de Lyme sont devenues une caractéristique habituelle des activités de plein air pendant les mois d'été. Pour de nombreux Canadiens, une vérification minutieuse de la présence de ces minuscules insectes, qui se nourrissent de notre sang, va de soi au retour d'une randonnée ou d'une excursion de camping. Pourtant, seules certaines espèces de tiques sont porteuses de la bactérie responsable de la maladie de Lyme. Pour la plupart des Ontariens, le défi consiste à identifier correctement le type de tique qui a décidé de faire de vous son repas.

"La moitié des tiques en Ontario sont des tiques de chien", explique le Dr Samir Patel, microbiologiste clinique à Santé publique Ontario (SPO). "Elles ne sont pas porteuses de la bactérie responsable de la maladie de Lyme. Cependant, les tiques à pattes noires sont capables de porter 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 une sur son corps devrait consulter un médecin.

La PHO reçoit chaque année plus de 10 000 demandes d'identification de tiques - tiques envoyées à son laboratoire de Sault Ste. Marie - de la part d'Ontariens souhaitant obtenir des conseils en cas de piqûre de tique. Actuellement, le laboratoire doit identifier manuellement chaque insecte, un processus qui peut prendre jusqu'à trois semaines.

Afin de garantir une évaluation médicale rapide et rationalisée des piqûres de tiques à haut risque, et de réduire l'anxiété des personnes concernant la maladie de Lyme potentielle après une piqûre de tique, le PHO développe une application mobile pour identifier rapidement et précisément les espèces de tiques et fournir des conseils médicaux pour les étapes suivantes. "Vanessa Allen, chef du service de microbiologie médicale de l'OPS, et c'est une façon de combler cette lacune et d'améliorer les soins et la prestation de services pour la maladie de Lyme en Ontario et ailleurs.

Avec le Dr Allen et le Dr Elham Dolatabadi, scientifique de l'équipe technique de Vector, le Dr Patel développe actuellement un modèle de vision par ordinateur pour différencier les deux espèces de tiques communes que l'on trouve normalement en Ontario. "À court terme, nous envisageons d'utiliser la vision artificielle pour l'identification des tiques à pattes noires à la PHO", explique-t-il. "Une fois que l'application aura été développée, elle permettra au public d'agir. Si vous trouvez une tique sur votre corps, l'application pourra vous dire immédiatement s'il s'agit d'une tique à pattes 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 le Dr Patel et elle-même rappellent qu'une piqûre de tique, même de tique à pattes noires, ne signifie pas automatiquement qu'une personne va contracter la maladie de Lyme et que, le cas échéant, une seule dose de prophylaxie devrait réduire les risques d'infection.

La PHO prévoit de mettre l'application à la disposition du public d'ici la fin de l'année prochaine. Ils espèrent également 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 informer les stratégies futures, dit le Dr Allen. "Ce n'est pas une solution miracle, mais c'est un outil qui permet d'accélérer le processus de soins aux patients et notre compréhension de la maladie de Lyme.

Projets supplémentaires de Pathfinder :

Des milliers d'images au bout des doigts du radiologue pour voir l'invisible

Système d'alerte précoce pour la médecine interne générale

Un cardiologue canadien de renom utilise l'IA pour répondre à une bombe à retardement

En rapport :

Recherche
Une IA digne de confiance

Des experts de renommée mondiale en matière de confiance et de sécurité de l'IA publient un article majeur sur la gestion des risques liés à l'IA dans la revue Science

Des protocoles normalisés sont essentiels pour un déploiement responsable des modèles linguistiques

Les inconnues connues : Geoff Pleiss, chercheur chez Vector, se penche sur l'incertitude pour rendre les modèles de ML plus précis.