Elle aide ainsi à leur utilisation raisonnée face à cette problématique sanitaire majeure. Le projet a bénéficié d’une bourse de Google décrochée à la compétition « AI Global Impact Challenge ».
L’application fait appel aux techniques d’analyse d’image et à une approche d’intelligence artificielle, l’apprentissage automatique ou Machine learning. L’algorithme fonctionne sur smartphone ou tablette. Il interprète les photos d’antibiogrammes selon une procédure entièrement automatique. Le niveau de fiabilité atteint 98% de concordance avec la mesure manuelle, aujourd’hui la plus sûre.
La résistance croissante des bactéries infectieuses aux antibiotiques est un enjeu majeur de santé publique.
Elle pourrait devenir la première cause de mortalité au monde, devant les cancers, et causer 10 millions de morts par an, dont près de 90 % en Asie et en Afrique, faute de moyens. L’utilisation raisonnée des antibiotiques est primordiale pour contrer cette évolution.
Dans les pays industrialisés, l’identification de l’antibiorésistance est facilitée par l’utilisation d’automates de lecture des antibiogrammes. Ainsi, les résultats fournis par les laboratoires de microbiologie médicale permettent de choisir le traitement à la fois efficace pour le patient et évitant le développement de bactéries résistantes. Dans les pays en voie de développement, l’expérience de terrain de Médecins Sans Frontières montre que l’identification des résistances est difficile. Les infections et blessures sont traitées avec des antibiotiques qui ne sont pas nécessairement adaptés au profil de sensibilité ou résistance des agents infectieux, ou avec des antibiotiques à large spectre. Ces pratiques favorisent la progression de la résistance aux antibiotiques et, à moyen terme, le risque de ne plus parvenir à enrayer les infections.
L’application de lecture et interprétation des antibiogrammes développée par les chercheurs du LaMME et de l’unité de Génomique métabolique en partenariat avec MSF et l’ a démontré sa faisabilité technique.
Les résultats font l’objet d’une publication parue le 19 février 2021 dans Nature Communications.
