La détection des agents uropathogènes revêt un enjeu sociétal crucial dans la lutte contre la résistance aux antibiotiques, une problématique mondiale amplifiée par la surconsommation et l’usage inapproprié de ces médicaments. Aujourd’hui, les antibiotiques conventionnels perdent en efficacité en raison des mutations des pathogènes exposés de manière excessive ou inutile à ces traitements.
Faciliter l'identification d'agents uropathogènes dans les pays émergents
Systématiser le diagnostic
La détection et l’identification des bactéries uropathogènes dans les pays émergents posent de sérieux défis en raison des contraintes économiques.
Les méthodes conventionnelles, souvent coûteuses et nécessitant des équipements sophistiqués, sont inaccessibles pour de nombreuses régions à ressources limitées. Pour surmonter ces obstacles, bioMérieux, acteur mondial dans le domaine du diagnostic in vitro, explore des solutions innovantes en phase de R&D, avec l’objectif de rapprocher le diagnostic du patient et de le rendre économiquement plus accessible.
Un réseau de neurones profond détecte des caractéristiques imperceptibles à l’œil nu
Neovision a développé une solution d’Intelligence Artificielle (IA), plus précisément de vision par ordinateur, capable d’identifier avec précision les agents uropathogènes sur des boîtes de pétri. Les boîtes de pétri sont les milieux de cultures utilisés par les laboratoires pour assurer la croissance de colonies bactériennes.
Détecter les colonies isolées
Lorsqu’une bactérie se développe sur une boîte de pétri, elle devient une colonie bactérienne visible, identifiable comme une tâche en croissance. En grandissant, elles peuvent fusionner avec d’autres colonies semées dans la même boîte pour former des dimères (rassemblement de 2 colonies) ou des trimères (rassemblement de 3 colonies). Au-delà de 3 colonies, les colonies fusionnées deviennent ce que nous qualifions de ‘masse’.
La première étape du projet a eu pour objectif de détecter et différencier des objets, à savoir des colonies isolées et dimères ou trimères sur la boîte de pétri, objets utilisés en IA pour effectuer une identification de la souche pathogène. Pour ce faire, Neovision a déployé des algorithmes de segmentation capable d’extraire les données analysables sur les images.
Identifier les uropathogènes
Une fois les données analysables extraites, un algorithme de classification est chargé de catégoriser les colonies isolées (ou dimères/trimères), afin d’identifier l’espèce bactérienne associée. Cette méthode cible les cinq espèces bactériennes prédominantes responsables de 90 % des infections urinaires et pour lesquelles l’IA propose d’excellents résultats, grâce à une capacité à détecter des caractéristiques subtiles et invisibles pour un observateur humain.
Les techniciens de laboratoire n’ont besoin que d’un smartphone et d’une simple roue de filtre munie d’un éclairage pour photographier les bactéries mises en cultures sur un milieu non-chromogénique.
Le médecin ou microbiologiste expert peut alors immédiatement utiliser l’inférence de l’IA et prescrire, ou non, l’antibiotique au patient.
Denis LEROUX
Ph.D, Technology Research on Infectious Diseases, bioMérieux
« J’ai contacté Neovision dans le cadre d’une analyse d’images déjà en cours sur une base de données d’images. L’objectif était de comparer la performance de la classification en utilisant des algorithmes basés sur les réseaux neuronaux (pour lesquels j’avais très peu de connaissances) avec celle des approches basées sur les machines à vecteurs de support, sur lesquelles je travaillais en parallèle.
Neovision a fait preuve d’une grande flexibilité en s’adaptant rapidement aux multiples changements imprévus survenus au cours du projet. Un grand merci à l’équipe de Neovision pour son expertise, sa patience et sa capacité à transmettre des messages complexes d’une manière assez didactique. J’apprécie également beaucoup leurs commentaires en tant qu’experts en apprentissage automatique sur les publications de pointe que je leur ai soumises de manière tout à fait inattendue. »