Asthme, bronchiolite, pneumonie, trois pathologies qui peuvent affecter les fonctions respiratoires des enfants. Au moment de la consultation médicale, il est important de pouvoir rapidement faire la différence entre ces trois maladies respiratoires. Des chercheurs suisses viennent de développer un algorithme qui permet de distinguer ces trois pathologies, simplement à l’aide d’un stéthoscope électronique. Explications.
Asthme, bronchiolite, pneumonie, trois maladies respiratoires de l’enfant
La bronchiolite touche chaque hiver environ 30 % des enfants de moins de deux ans, provoquant des épidémies hivernales qui contraignent fortement le fonctionnement des services de pédiatrie. La pneumonie de l’enfant peut être virale ou bactérienne. La pneumonie à pneumocoque peut être prévenue par la vaccination des nourrissons. Enfin, l’asthme touche un nombre croissant d’enfants en France et provoque chaque année environ 30 000 hospitalisations d’enfants de moins de 15 ans.
Ces trois pathologies ont pour point commun d’affecter la fonction respiratoire. Si les signes respiratoires sont aisément identifiables à l’aide d’un stéthoscope (classique ou électronique), la cause des symptômes et donc la distinction entre ces trois pathologies reste plus délicate. La recherche de la cause amène souvent à des examens complémentaires, notamment d’imagerie. L’identification rapide de la cause exacte des symptômes est essentielle pour mettre en place une stratégie thérapeutique adaptée. En effet, ces trois pathologies, bien que toutes les trois respiratoires, ne font pas appel aux mêmes traitements.
L’intelligence artificielle pour interpréter les bruits respiratoires
Dans ce contexte, des chercheurs suisses ont utilisé les nouvelles technologies de l’intelligence artificielle pour développer un algorithme capable de différencier ces trois pathologies respiratoires de l’enfant avec un stéthoscope électronique. L’oreille humaine a des capacités limitées pour distinguer les bruits respiratoires associés à ces trois maladies. Les chercheurs ont utilisé avec des réseaux neuronaux convolutifs la technologie du deep learning, une technique d’apprentissage automatique, qui permet de différencier finement des sons très proches. Cette technique a déjà fait ses preuves dans la reconnaissance d’images, par exemple dans l’interprétation des données d’imagerie. Cette fois, les chercheurs l’ont appliqué à des signaux auditifs.
Pour tester et valider leur algorithme, les chercheurs ont constitué une cohorte observationnelle avec 572 enfants et adolescents de moins de 16 ans, de 5 pays différents, parmi lesquels 71 % présentaient des signes respiratoires anormaux (pneumonie, asthme ou bronchiolite) et 29 % une fonction respiratoire normale. La respiration de tous les participants a été enregistrée sur une durée moyenne de 28,4 secondes sur 8 sites anatomiques différents, avec un stéthoscope électronique.
Un nouvel outil diagnostique pour les enfants atteints de problèmes respiratoires
L’algorithme Deep Breath s’est montré capable de distinguer efficacement :
- Les enfants sans problèmes respiratoires des enfants atteints d’une maladie respiratoire ;
- Les enfants atteints de bronchiolite ;
- Les enfants atteints d’asthme (respiration sifflante) ;
- Les enfants atteints de pneumonie.
Les diagnostics étaient ensuite confirmés par une consultation avec un pédiatre spécialisé.
Les performances diagnostiques de l’algorithme restaient intéressantes même en réduisant le nombre de sites anatomiques (de 8 à 4) et/ou la durée des enregistrements (de 28 secondes en moyenne à 5-10 secondes). Un tel outil pourrait permettre de répondre aux besoins diagnostics dans des contextes particuliers, par exemple en cas de difficultés à interpréter un examen clinique ou encore quand une consultation avec un médecin spécialiste est impossible. Il pourrait également permettre une orientation et un diagnostic plus rapide au moments des épidémies hivernales.
Estelle B., Docteur en Pharmacie