L’intelligence artificielle contre la dengue

La dengue continue sans répit en Amérique. « Entre les semaines épidémiologiques 1 et 44 de 2024, un total de 12 479 437 cas suspects ont été signalés (incidence cumulée de 1 307 cas pour 100 000 habitants). Ce chiffre représente une augmentation de 204% par rapport à la même période de 2023, et de 381% par rapport à la moyenne des cinq dernières années», indique le Rapport. Épidémiologique délivré par le ministère de la Santé de l’Argentine le 9 décembre.

Jusqu’à fin novembre, 13 647 cas suspects de dengue ont été signalés en Argentine, dont 195 ont été confirmés (180 sans antécédents de voyage), selon le Bulletin. Et il souligne un fait non négligeable : « De la semaine 42 à la semaine 47, on observe une augmentation progressive de la détection des cas confirmés de dengue. »

Tous les spécialistes s’attendent à ce qu’il y ait beaucoup de dengue, car en plus de l’histoire passée, elle existe également dans les pays voisins. Fin octobre, l’ANMAT a approuvé le premier kit de détection de la dengue développé par les scientifiques du CONICET. Aujourd’hui, une équipe interdisciplinaire d’experts travaille à prédire les épidémies à l’aide d’un outil d’intelligence artificielle. La cartographie permettra de prendre des mesures ciblées et d’anticiper la multiplication des cas où les probabilités mathématiques laissent présager une épidémie. Les mesures seront mises en œuvre dans la province de Buenos Aires sur la base d’une initiative du gouvernement de Buenos Aires et de l’Université nationale de San Martín (UNSAM). Le physicien et chercheur Ezequiel Álvarezde la Centre international d’études avancées (ICAS) et l’École des sciences et technologies UNSAM, C’est lui qui est en charge du projet, basé sur des techniques avancées d’IA bayésienne.

Nouvelles: Quelles sont les caractéristiques de ce type d’IA ?

Ezequiel Álvarez : L’intelligence artificielle bayésienne est un type particulier d’IA qui est très utile pour l’analyse lorsque l’on dispose de beaucoup de données. Ce type d’IA vous permet de voir la structure interne des données et comment leur corrélation vous donne des informations sur ce qui se passe réellement dans les variables que vous ne voyez pas. Ce qui affecte les moustiques est le niveau socio-économique des pommes, qui est observable ; On peut déterminer combien de moustiques malades il y a dans une région à partir du nombre de personnes malades signalées. On peut voir la météo, le nombre de malades qui se sont déclarés, le niveau socio-économique, combien de personnes ont été hospitalisées, combien de personnes ont appelé le numéro d’assistance citoyenne 148 dans chaque endroit. Mais nous avons également un certain nombre de variables que nous ne voyons pas, comme le nombre de moustiques en général et le nombre de moustiques malades dans une pomme. On ne peut pas avoir de nombre exact, mais il est possible d’obtenir une distribution de probabilité sur cette variable, appelée variable latente.

Nouvelles: Et cette IA bayésienne peut-elle apprendre quelles variables sont intéressantes ?

Álvarez : Absolument. Lorsque vous commencez à observer des éléments comme la météo, le nombre de personnes malades, le niveau socio-économique et son évolution, le système apprend comment les autres variables que vous ne voyez pas adoptent une distribution de probabilité pour mieux expliquer les variables observables. Cette relation, cette interrelation entre les données signifie que l’apprentissage automatique, l’apprentissage automatique, peut apprendre les variables qui nous intéressent. Dans ce cas d’épidémie, ce qui nous importe, c’est le nombre de moustiques malades par bloc ou l’endroit où se trouve le plus grand nombre de moustiques malades. Avoir ces probabilités nous permet de prendre des décisions bien à l’avance car nous pourrons savoir où une épidémie va survenir car nos informations, notre système d’intelligence artificielle, commencent à montrer où il est le plus probable qu’il y ait des moustiques malades qui sont va piquer des gens qui n’ont pas encore piqué, car le moustique a besoin de développer la maladie dans sa salive.

Nouvelles: Quelles données sont utiles au système ?

Álvarez : Nous avons divisé la Région Métropolitaine de Buenos Aires (AMBA) en hexagones de trois blocs. Et on observe la météo et ses prévisions dix jours à l’avance, l’historique de la météo, la température, le nombre d’appels au 148. La géolocalisation de chacun des cas signalés, car ensuite basée sur la répartition spatiale et temporelle de ces cas , on peut distinguer la probabilité de corrélation entre des cas proches dans l’espace et dans le temps, ce qui est plus susceptible d’être une épidémie de dengue. C’est pourquoi nous avons besoin de savoir de quel endroit ils viennent, la densité d’habitants de cet endroit, le nombre de personnes qui ont signalé des symptômes et qui sont suspectes et qui sont dans le système national de surveillance sanitaire, le niveau socio-économique de chaque quartier, l’histoire de cet endroit auparavant. Un hexagone couvert de gens équipés de moustiquaires et de climatiseurs, ou qui vivent dans des immeubles entre lesquels il n’y a presque pas d’espaces verts, ni de piscines ou de pots de fleurs où l’eau puisse tomber, n’est pas la même chose qu’un endroit majoritairement peuplé de maisons où peut-être qu’ils ont des seaux dehors. Avec tout cela, le système d’IA dresse une carte de répartition des endroits les plus fertiles pour le développement de la maladie.

Nouvelles: L’outil est fondamentalement préventif…

Álvarez : Oui, l’objectif est de prévenir les épidémies de dengue avant qu’elles ne surviennent. Il s’agit d’un projet moitié recherche et moitié application, avec lequel il se développe. Nous l’avons commencé en septembre, nous avons utilisé les informations de l’année dernière et maintenant nous utilisons les informations qui arrivent, celles qui arrivent. Il n’y a pas encore eu d’épidémie à AMBA, mais nous commençons à avoir des signes d’épidémie. L’idée est qu’il peut être anticipé de différentes manières. L’un d’eux, pas encore prêt car il fait partie du développement, est la distribution de moustiques infectés dans l’AMBA. Et une autre méthode, que nous utilisons actuellement, consiste à différencier les personnes qui sont réellement touchées par une épidémie de dengue de ce que nous appelons les antécédents, qui sont ceux qui présentent des symptômes mais qui ne sont probablement pas atteints de la dengue.

Nouvelles: Comment ça ?

Álvarez : En raison de la répartition géographique et des informations que j’ai mentionnées précédemment, nous disposons d’une méthode qui nous permet de distinguer la probabilité que les personnes qui signalent des symptômes suspects soient issues d’une épidémie et celles qui sont issues d’un milieu. Et essentiellement, l’un des moyens les plus puissants est purement mathématique, car on sait que les épidémies se situent dans l’espace. Parce qu’il existe une corrélation de cas suspects dans des lieux proches dans l’espace et également proches dans le temps. Ce sont des techniques permettant de distinguer le signal de fond, les mêmes que celles que les physiciens utilisent dans leurs travaux de recherche de particules élémentaires au Grand collisionneur de hadrons. Dans ce cas, nous parvenons à dresser une carte de la distribution probabiliste des foyers.

Nouvelles: Il existe une idée fausse très répandue selon laquelle l’intelligence artificielle peut tout faire.

Álvarez: L’intelligence artificielle ne fait pas de magie, c’est un outil probabiliste, aussi bien dans le chat GPT que dans ce cas d’analyse de données, et ce que nous faisons, c’est donner une estimation probabiliste de l’évolution de la pandémie, tant des épidémies que des évolution générale ou transfert de dossiers d’un bloc à un autre. Cela signifie que nous pouvons donner une anticipation de ce qui est attendu dans 10 jours, mais dans une perspective probabiliste. Il ne serait jamais possible de faire une anticipation concernant une famille de Lanús qui va manger un barbecue à San Martín, tout le monde est infecté et amène la dengue à Lanús, il nous est impossible de l’anticiper. Ce que nous faisons est une version probabiliste, mais suffisamment détaillée pour que le gouvernement de la province de Buenos Aires puisse prendre des mesures de politique publique, qu’il commence déjà à prendre, sur la base des résultats que nous obtenons. Donc, en ce sens, cela fonctionne et cela fonctionnera de mieux en mieux parce que nous intégrons de nouveaux outils et que nous développons mieux la partie mathématiques et intelligence artificielle, parce que le modèle lui-même apprend, mais nous apprenons aussi, parce que nous sommes des humains mettant en œuvre algorithmes d’intelligence artificielle.

Pour que l’outil fonctionne, des données sont nécessaires. « En raison du volume de données nécessaires dans la province de Buenos Aires, c’est l’État qui peut les collecter, car il dispose de soins primaires, du réseau de coordination sanitaire et des ressources humaines et informationnelles pour pouvoir répondre à une épidémie. » déclare Pablo Palmaz, sous-secrétaire aux relations interinstitutionnelles de l’UNSAM. « Nous avons besoin de beaucoup d’articulation des données publiques. Des données sont nécessaires dans différentes parties de l’État et elles doivent être très bien huilées pour que cela fonctionne bien. C’est en temps réel, tous les jours.

L’équipe d’Álvarez fournira l’information. Ensuite, la décision politique de réagir dépendra du ministère de la Santé. “La chose la plus importante dans la dengue, c’est le désordre”, conclut Palmaz. C’est la manière de mettre fin à l’épidémie. Des actions de porte à porte seront menées. Si vous comprenez où cela se produit, vous pouvez mener une opération de répression dans une certaine zone. “Il ne s’agit pas seulement de retourner un couvercle avec de l’eau : il s’agit d’entretenir les grilles, de nettoyer, entre autres.”

Galerie d’images