Par Adrian ChoMay. 12, 2020, 16:50 PM

Le reporting COVID-19 de Science est soutenu par le Pulitzer Center.

Les systèmes d'intelligence artificielle visent à détecter les signes d'épidémie de COVID-19

L'alarme internationale concernant la pandémie de COVID-19 a été déclenchée non pas par un être humain, mais par un ordinateur. HealthMap, un site Web géré par le Boston Children’s Hospital, utilise l’intelligence artificielle (IA) pour analyser les médias sociaux les requêtes de recherche sur Internet et d’autres flux d’information pour détecter les signes de flambées de maladies. Le 30 décembre 2019 en Chine. Le bulletin électronique d'une ligne a noté que sept personnes étaient dans un état critique et a évalué l'urgence à trois sur une échelle de cinq.

Les humains n'étaient pas loin derrière. Des collègues à Taiwan avaient déjà alerté Marjorie Pollack, une épidémiologiste médicale à New York, pour bavarder sur Weibo, un site de médias sociaux en Chine, qui lui rappelait l'épidémie de 2003 du syndrome respiratoire aigu sévère (SRAS), qui s'est propagé à des dizaines de pays et tué 774. « Cela correspondait à tous ceux qui ont été là, fait ce déjà-vu pour le SRAS », dit Pollack. Moins d'une heure après l'alerte HealthMap, elle a publié un avis plus détaillé sur le Programme de surveillance des maladies émergentes

Mais l'alarme précoce de HeathMap souligne le potentiel de l'IA, ou de l'apprentissage automatique, pour surveiller la contagion. Alors que la pandémie COVID-19 continue de se propager dans le monde entier, les chercheurs en IA s'associent à des entreprises technologiques pour créer des systèmes de suivi automatisés qui exploiteront de grandes quantités de données, provenant des médias sociaux et des nouvelles traditionnelles, pour détecter des signes de nouvelles épidémies. L'IA ne remplace pas la surveillance traditionnelle de la santé publique, prévient Matthew Biggerstaff, épidémiologiste aux Centers for Disease Control and Prevention (CDC) des États-Unis. « Cela devrait être considéré comme un seul outil dans la boîte à outils », dit-il. Mais cela peut répondre à un besoin, explique Elad Yom-Tov, un informaticien chez Microsoft qui a travaillé avec des responsables de la santé publique au Royaume-Uni. « Il y a une telle richesse de données, nous aurons besoin d'une sorte d'outil pour donner un sens à ces données, et pour moi, cet outil est l'apprentissage automatique. »

Bien avant la sortie de COVID-19, le CDC a lancé un concours annuel pour prédire avec plus de précision la gravité et la propagation de la grippe aux États-Unis. Le concours, lancé en 2013, reçoit des dizaines de candidatures chaque année; Biggerstaff dit qu'environ la moitié impliquent des algorithmes d'apprentissage automatique, qui apprennent à détecter les corrélations lorsqu'ils sont « formés » sur de vastes ensembles de données. Par exemple, Roni Rosenfeld, informaticien à l'Université Carnegie Mellon, et ses collègues ont remporté le concours cinq fois avec des algorithmes qui exploitent des données sur, entre autres, les recherches Google, les publications Twitter, les pages Wikipédia et les visites sur le site Web du CDC.

De nombreuses équipes impliquées dans le défi de la grippe ont maintenant pivoté pour suivre COVID-19. Ils appliquent l'IA de deux manières. Il peut s'efforcer de repérer les premiers signes d'une nouvelle maladie ou épidémie, tout comme l'a fait HealthMap. Cela nécessite que les algorithmes recherchent des signaux mal définis dans une mer de bruit, un défi sur lequel un humain bien formé peut toujours prendre le dessus, dit Pollack.

L'IA peut également être utilisée pour évaluer l'état actuel d'une épidémie – ce que l'on appelle le casting actuel. Les équipes de Carnegie Mellon visent à lancer COVID-19 à travers les États-Unis, en utilisant les données collectées par le biais d'enquêtes sur les symptômes par Google et Facebook, les données de recherche Google et d'autres sources afin de prédire la demande locale de lits de soins intensifs et de ventilateurs 4 semaines dans le futur, dit Rosenfeld. « Nous essayons de développer un outil pour les décideurs afin qu'ils puissent affiner leurs restrictions de distanciation sociale pour ne pas submerger leurs ressources hospitalières. »

Bien qu'automatisés, les systèmes d'IA nécessitent toujours beaucoup de main-d'œuvre, note Rozita Dara, informaticienne à l'Université de Guelph qui a suivi la grippe aviaire et se tourne vers COVID-19. « Au moment où vous arrivez à l'IA, c'est la partie facile », dit-elle. Pour former un programme pour analyser Twitter, par exemple, les chercheurs doivent d'abord lui fournir des exemples de tweets pertinents, sélectionnés en sarclant sur Twitter pendant de nombreuses heures, dit Dara. L'IA peut également lutter dans une pandémie en évolution rapide, où les corrélations entre le comportement en ligne et la maladie peuvent changer, explique Jeffrey Shaman, épidémiologiste à l'Université Columbia.

L'IA a échoué auparavant. De 2009 à 2015, Google a dirigé un effort appelé Google Flu Trends (qui fait maintenant partie du système de HealthMap) qui a exploité les données des requêtes de recherche pour suivre la prévalence de la grippe aux États-Unis. Au début, le système a bien fonctionné, prédisant correctement les CDC compte environ 2 semaines à l'avance. Cependant, de 2011 à 2013, il a surestimé la prévalence de la grippe. Cet échec est dû en grande partie au fait que les chercheurs n'ont pas recyclé le système à mesure que le comportement de recherche des gens évoluait, dit Yom-Tov

« Je ne pense pas que ce soit un problème inhérent au domaine », ajoute Yom-Tov. « C'est quelque chose que nous avons appris. » En fait, lui et ses collègues de l'University College London ont récemment publié un article sur le serveur de préimpression arXiv montrant qu'ils pouvaient corriger ce biais lié aux médias.

Les responsables des pays qui ont du mal à fournir des tests adéquats pour le nouveau coronavirus, comme les États-Unis, pourraient être tentés d'utiliser à la place des systèmes de surveillance automatisés. Biggerstaff dit que ce serait une erreur: « Je ne pense pas que cela puisse remplacer les tests de quelque façon que ce soit. » En particulier, dit-il, lorsque la grippe réapparaîtra cet automne, des tests directs seront nécessaires pour distinguer les éclosions de grippe du COVID-19. Mais l'IA pourrait aider les décideurs à orienter davantage de tests vers les points chauds. « L’espoir est que vous fassiez travailler les deux ensemble », déclare John Brownstein, épidémiologiste chez Boston Children, qui a cofondé HealthMap en 2006.

Certains chercheurs se demandent si les systèmes d'IA seront prêts à temps pour aider à la pandémie de COVID-19. « L'IA ne sera pas aussi utile pour COVID que pour la prochaine pandémie », explique Dara, qui prévoit qu'il faudra environ 6 mois pour développer son système de suivi de la maladie. Pourtant, l'exploration de données et l'apprentissage automatique en épidémiologie semblent rester. Pollack, qui a sonné l'alarme à propos de COVID-19 à l'ancienne, dit qu'elle travaille également sur un programme d'IA pour aider à scanner Twitter des mentions de la maladie.