L’IA est capable d’identifier une infection résistante aux médicaments de type typhoïde à partir d’images microscopiques en quelques heures

L’intelligence artificielle (IA) pourrait être utilisée pour identifier les infections résistantes aux médicaments, réduisant ainsi considérablement le temps nécessaire pour établir un diagnostic correct, ont montré des chercheurs de Cambridge. L’équipe a déterminé qu’un algorithme pouvait être formé pour identifier correctement les bactéries résistantes aux médicaments à partir d’images microscopiques uniquement.

La résistance aux antimicrobiens est un problème de santé mondial croissant qui rend de nombreuses infections difficiles à traiter et les options thérapeutiques disponibles se font de plus en plus rares. Elle fait même craindre que certaines infections deviennent incurables dans un avenir proche.

L’un des défis auxquels sont confrontés les professionnels de santé est de pouvoir distinguer rapidement les organismes pouvant être traités par des médicaments de première intention de ceux qui y sont résistants. Les tests conventionnels peuvent prendre plusieurs jours, nécessitant la culture des bactéries, leur test par rapport à divers traitements antimicrobiens et leur analyse par un technicien de laboratoire ou par machine. Ce retard conduit souvent à traiter les patients avec un médicament inapproprié, ce qui peut entraîner des conséquences plus graves et, potentiellement, favoriser davantage la résistance aux médicaments.

Dans une étude publiée dans Nature Communicationsune équipe dirigée par des chercheurs du laboratoire du professeur Stephen Baker à l’Université de Cambridge a développé un outil d’apprentissage automatique capable d’identifier, à partir d’images de microscopie, les bactéries Salmonella Typhimurium résistantes à l’antibiotique de première intention ciprofloxacine, même sans tester les bactéries contre le médicament.

S. Typhimurium provoque des troubles gastro-intestinaux et des maladies de type typhoïde dans les cas graves, dont les symptômes comprennent fièvre, fatigue, maux de tête, nausées, douleurs abdominales et constipation ou diarrhée. Dans les cas graves, elle peut mettre la vie en danger. Bien que les infections puissent être traitées avec des antibiotiques, les bactéries deviennent de plus en plus résistantes à un certain nombre d’antibiotiques, ce qui complique le traitement.

L’équipe a utilisé la microscopie haute résolution pour examiner les isolats de S. Typhimurium exposés à des concentrations croissantes de ciprofloxacine et a identifié les cinq caractéristiques d’imagerie les plus importantes pour distinguer les isolats résistants et sensibles.

Ils ont ensuite formé et testé un algorithme d’apprentissage automatique pour reconnaître ces caractéristiques à l’aide de données d’imagerie provenant de 16 échantillons.

L’algorithme a pu prédire correctement dans chaque cas si les bactéries étaient sensibles ou résistantes à la ciprofloxacine sans qu’il soit nécessaire d’exposer les bactéries au médicament. Ce fut le cas pour des isolats cultivés pendant seulement six heures, contre les 24 heures habituelles pour cultiver un échantillon en présence d’antibiotique.

Le Dr Tuan-Anh Tran, qui a travaillé sur cette recherche alors qu’il était doctorant à l’Université d’Oxford et qui est maintenant basé à l’Université de Cambridge, a déclaré : « Les bactéries S. Typhimurium résistantes à la ciprofloxacine présentent plusieurs différences notables par rapport à celles qui sont encore sensibles à l’antibiotique. Bien qu’un opérateur humain expert puisse être en mesure d’identifier certaines d’entre elles, elles ne suffiraient pas à elles seules à distinguer avec certitude les bactéries résistantes et sensibles.

« La beauté du modèle d’apprentissage automatique est qu’il peut identifier les bactéries résistantes sur la base de quelques caractéristiques subtiles sur des images de microscopie que les yeux humains ne peuvent pas détecter. »

Pour qu’un échantillon puisse être analysé selon cette approche, il faudrait encore isoler les bactéries d’un échantillon (par exemple un échantillon de sang, d’urine ou de selles). Cependant, comme il n’est pas nécessaire de tester les bactéries pour détecter la ciprofloxacine, cela signifie que l’ensemble du processus pourrait être réduit de plusieurs jours à quelques heures.

Bien qu’il existe des limites quant à la praticité et à la rentabilité de cette approche particulière, l’équipe affirme qu’elle démontre en principe à quel point l’intelligence artificielle pourrait être puissante pour aider à lutter contre la résistance aux antimicrobiens.

Le Dr Sushmita Sridhar, qui a lancé ce projet alors qu’elle était étudiante au doctorat au département de médecine de l’université de Cambridge et qui est maintenant postdoctorante à l’université du Nouveau-Mexique et à la Harvard School of Public Health, a déclaré : « Étant donné que cette approche utilise l’imagerie à résolution de cellule unique, ce n’est pas encore une solution qui pourrait être facilement déployée partout.

« Mais cela semble vraiment prometteur : en capturant seulement quelques paramètres sur la forme et la structure des bactéries, cela peut nous donner suffisamment d’informations pour prédire la résistance aux médicaments avec une relative facilité. »

L’équipe souhaite désormais travailler sur des collections de bactéries plus importantes afin de créer un ensemble expérimental plus robuste qui pourrait accélérer encore plus le processus d’identification et leur permettre d’identifier la résistance à la ciprofloxacine et à d’autres antibiotiques dans un certain nombre d’espèces différentes de bactéries.

Sridhar a ajouté : « Ce qui serait vraiment important, en particulier dans un contexte clinique, serait de pouvoir prélever un échantillon complexe – par exemple du sang, de l’urine ou des expectorations – et d’identifier directement la sensibilité et la résistance à partir de celui-ci. C’est un problème beaucoup plus compliqué et qui n’a pas vraiment été résolu du tout, même dans le cadre du diagnostic clinique dans un hôpital. »

« Si nous parvenions à trouver un moyen de le faire, nous pourrions réduire le temps nécessaire pour identifier la résistance aux médicaments, et ce à un coût bien moindre. Cela pourrait être une véritable révolution. »