L'IA peut-elle identifier la tuberculose à partir d'enregistrements audio de toux avec une précision supérieure à celle des cliniciens humains ?

La tuberculose reste un tueur infectieux majeur dans le monde, le diagnostic précoce étant crucial pour le succès du traitement. Les sons de toux contiennent des signatures acoustiques uniques aux affections respiratoires. Des modèles d'IA sont en cours de développement pour analyser les enregistrements de toux afin d'identifier des biomarqueurs spécifiques de l'infection tuberculeuse. Ces systèmes pourraient permettre un dépistage à distance et à faible coût dans des contextes où les ressources sont limitées. Ces outils doivent être rigoureusement validés auprès de populations diverses pour garantir leur fiabilité.

Des études récentes indiquent que l'IA peut identifier la tuberculose à partir d'enregistrements audio de toux avec une précision comparable, voire supérieure, à celle des cliniciens formés, en particulier dans des contextes à faibles ressources. Par exemple, des recherches utilisant des réseaux de neurones convolutifs et l'apprentissage par transfert sur des ensembles de données de toux crowdsourcés ont rapporté des sensibilités et spécificités d'environ 90–95 % dans la détection de biomarqueurs acoustiques spécifiques à la tuberculose. Cependant, ces systèmes reposent souvent sur des enregistrements de haute qualité et peuvent avoir des difficultés avec des facteurs confondants tels que le bruit de fond ou des affections respiratoires concomitantes. Leur déploiement dans des environnements cliniques réels reste limité, et la validation réglementaire est encore en cours.

— Enriched 12 mai 2026 · Source : Organisation mondiale de la Santé — https://www.who.int/publications/i/item/9789240079242