Améliorer le diagnostic de la tuberculose dans les laboratoires publics kényans grâce à un assistant IA hors ligne et abordable

Au Kenya, la microscopie reste la méthode de diagnostic la plus répandue pour la tuberculose et le paludisme, et souvent la seule disponible dans les zones reculées (MoH, 2020). Pourtant, la fiabilité de cette technique dépend fortement des compétences du professionnel, de sa charge de travail et de l'état des équipements, notamment dans les laboratoires périphériques à faibles ressources, déjà sous pression, dans lesquels la majorité des diagnostics sont posés (Carter, 2016).

Les insuffisances du diagnostic microscopique de la tuberculose sont bien documentées (Wongsrichanalai et al., 2007 ; Obare et al., 2013). En microscopie des frottis de tuberculose, la sensibilité varie de 20 à 80 % selon les compétences du lecteur, la qualité de la coloration et la charge bacillaire (Steingart et al., 2014).

Les conséquences sont directes pour les patients. Un faux négatif retarde un traitement vital et prolonge la période de contagion, tandis qu'un faux positif expose à des traitements inutiles et à des diagnostics alternatifs manqués. Ces erreurs contribuent à des décès évitables et alourdissent le fardeau financier des familles à faibles revenus.

Le projet propose un dispositif complémentaire pour microscopes, basé sur l’IA, peu coûteux et entièrement hors ligne, et conçu pour augmenter la précision diagnostique dans les laboratoires de santé publique à ressources limitées du Kenya.

Plusieurs caractéristiques distinguent cette innovation des solutions existantes :

• Un fonctionnement entièrement hors ligne, sans infrastructure cloud ni connexion internet. L'algorithme utilise des techniques de compression pour s'adapter aux appareils à faible consommation d'énergie.
• Une compatibilité avec les microscopes déjà en place dans les laboratoires publics kényans. L'adaptateur se fixe sur les microscopes existants avec des modifications minimales, et le système fonctionne sur batterie rechargeable, même en cas de coupure d'électricité.
• Un modèle entraîné sur des données locales, à partir de lames d'expectoration annotées et collectées au Kenya. L'algorithme est ainsi calibré pour reconnaître les bacilles acido-résistants dans les conditions réelles de coloration, de qualité de frottis et de variation optique propres aux contextes kényans.

Assemblés, ces composants transforment un microscope standard en microscope augmenté par l'IA. Aucune transmission de données n'est requise : toute l'analyse est réalisée directement sur un appareil de faible puissance. La phase de préparation permettra de tester et affiner le prototype dans dix laboratoires pilotes répartis dans six comtés (Siaya, Busia, Kisumu, Vihiga, Homa Bay et Migori), choisis pour refléter la diversité des conditions de diagnostic de la tuberculose au Kenya.

À l'issue de la phase de préparation, le consortium vise à démontrer la faisabilité technique, l'acceptabilité et le potentiel d'intégration de la solution dans les laboratoires publics kényans. Trois résultats principaux sont attendus :

• Un prototype validé, testé dans des conditions réelles dans dix laboratoires pilotes répartis dans six comtés, capable de fonctionner sur des appareils à faible puissance et de s'intégrer aux flux de travail existants sans modifier les équipements en place ;
• Une mesure de l'acceptabilité, conduite auprès des 45 à 55 personnes directement engagées dans la phase — techniciens de laboratoire, superviseurs et personnel technique du consortium — à travers des ateliers de co-design et des tests utilisateurs.