Comment l’IA va permettre de mieux anticiper les prochaines pandémies

Une étude parue le 20 février 2025 dans Nature décrit pour la première fois comment les progrès de l’IA peuvent contribuer à accélérer les avancées de la recherche sur les maladies infectieuses et les interventions en cas d’épidémies. 

L’étude est le fruit d’un partenariat entre des chercheurs de l’Université d’Oxford, de l’Université de Copenhague et de l’Institut Pasteur, en collaboration avec des confrères des sphères académique, industrielle et politique d’Afrique, d’Amérique, d’Asie, d’Australie et d’Europe, qui en appellent à la collaboration et la transparence, tant en matière de jeux de données que de modèles d’IA. 

Les applications médicales de l’IA étaient jusqu’à présent centrées principalement sur la prise en charge individuelle des patients, améliorant par exemple les diagnostics cliniques et la médecine de précision ou étayant les décisions thérapeutiques. 

La présente étude, elle, s’intéresse plutôt à l’utilisation de l’IA au service de la santé des populations. Ces travaux montrent que les récentes avancées des méthodologies de l’IA les rendent de plus en plus efficaces, et ce, malgré le volume de données jusqu’ici limité. Les performances accrues de l’IA dans le traitement des données bruitées et limitées offrent de nouvelles opportunités, pour les outils dédiés, d’améliorer la santé dans les pays à revenu élevé comme faible.

Auteur principal, le professeur Moritz Kraemer, de l’Institut des sciences pandémiques de l’Université d’Oxford, déclare : « Ces cinq prochaines années, l’IA pourrait révolutionner la préparation aux pandémies. En exploitant les téraoctets de données climatiques et socio-économiques régulièrement collectées, elle nous aidera à mieux prédire le lieu de déclenchement des épidémies et leur trajectoire. Elle pourrait également nous permettre d’anticiper leur impact sur chaque patient par l’étude des interactions entre le système immunitaire et les pathogènes émergents. Combinées et intégrées aux systèmes d’intervention des pays, ces avancées pourront sauver des vies et mieux préparer le monde aux futures menaces pandémiques. »

Les recherches ont permis d’identifier les opportunités suivantes en matière d’IA et de préparation aux pandémies : 

• Avancées prometteuses dans l’amélioration des modèles actuels de propagation des maladies, au service d’une modélisation plus solide, plus précise et plus réaliste. 
• Progrès dans la localisation des zones à fort potentiel de transmission, favorisant l’allocation efficace de ressources de santé limitées. 
• Possibilité d’améliorer les données génétiques de surveillance des maladies, accélérant le développement de vaccins et l’identification de nouveaux variants. 
• Aide potentielle à l’identification des propriétés des nouveaux pathogènes, à la prédiction de leurs traits et à la détermination de la probabilité de sauts entre les espèces. 
• Anticipation de l’apparition de nouveaux variants de pathogènes en circulation, tels que le SARS-CoV-2 et les virus grippaux, et des traitements et vaccins les mieux à même de réduire leur impact. 
• Possibilité d’intégration assistée par l’IA de données à l’échelle de populations à des données de sources individuelles, notamment des dispositifs de mesure de la fréquence cardiaque et des podomètres portatifs, afin de mieux détecter et surveiller les épidémies. 
• Création par l’IA d’une nouvelle interface entre la science hautement technique et les professionnels de santé à la formation limitée, renforçant la capacité des établissements qui ont le plus besoin de ces outils.

Les progrès de l’IA n’auront cependant pas les mêmes incidences sur tous les aspects de la préparation et de l’intervention en cas de pandémies. En effet, alors que les modèles de langage protéique se révèlent, par exemple, très prometteurs dans l’accélération de la compréhension de l’influence des mutations virales sur la propagation et la gravité des maladies, les avancées des modèles fondamentaux pourraient n’offrir que des améliorations modestes par rapport aux approches existantes de modélisation de la vitesse de propagation des pathogènes. 

Les chercheurs appellent à rester prudents quant à la réponse que peut apporter l’IA seule aux défis des maladies infectieuses, mais suggèrent que l’intégration d’un feedback humain aux flux de travail de modélisation de l’IA pourrait contribuer à surmonter les limites existantes. 

Les auteurs sont particulièrement préoccupés par la qualité et la représentativité des données d’entraînement, l’accessibilité restreinte des modèles d’IA pour la communauté au sens large et les risques potentiels associés au déploiement de modèles de boîte noire pour la prise de décision.

Auteur de l’étude, le professeur Eric Topol, fondateur et directeur du Scripps Research Translational Institute, ajoute : « L’IA offre un formidable potentiel transformateur en termes d’atténuation des pandémies, mais elle repose sur une vaste collaboration internationale et des données de surveillance complètes et continues. »

Coauteur principal de l’étude, Samir Bhatt, de l’Université de Copenhague, poursuit : « Les épidémies de maladies infectieuses restent une menace constante, mais l’IA fournit aux décideurs politiques de nouveaux outils puissants leur permettant de prendre des décisions éclairées sur quand et comment intervenir. »

 

Également coauteur principal de l’étude, Simon Cauchemez, de l’Institut Pasteur

L’IA offre de nombreuses opportunités pour améliorer la réponse aux épidémies et pandémies. En termes de recherche, les années qui viennent, où nous allons étudier comment utiliser au mieux ces nouvelles technologies, devraient être particulièrement excitantes.

 

Les auteurs suggèrent des critères stricts d’évaluation des modèles d’IA et préconisent une collaboration étroite entre les sphères gouvernementale, sociétale, industrielle et académique pour le développement durable et pratique de modèles destinés à améliorer la santé humaine. 

Source

Artificial intelligence for modelling infectious disease epidemics, Nature, 20 février 2025

Moritz U. G. Kraemer, Joseph L.-H. Tsui, Serina Y. Chang, Spyros Lytras, Mark P. Khurana, Samantha Vanderslott, Sumali Bajaj, Neil Scheidwasser, Jacob Liam Curran-Sebastian, Elizaveta Semenova, Mengyan Zhang, H. Juliette T. Unwin, Oliver J. Watson, Cathal Mills, Abhishek Dasgupta, Luca Ferretti, Samuel V. Scarpino, Etien Koua, Oliver Morgan, Houriiyah Tegally, Ulrich Paquet, Loukas Moutsianas, Christophe Fraser, Neil M. Ferguson, Eric J. Topol, David A. Duchêne, Tanja Stadler, Patricia Kingori, Michael J. Parker, Francesca Dominici, Nigel Shadbolt, Marc A. Suchard, Oliver Ratmann, Seth Flaxman, Edward C. Holmes, Manuel Gomez-Rodriguez, Bernhard Schölkopf, Christl A. Donnelly, Oliver G. Pybus, Simon Cauchemez, Samir Bhatt

Les auteurs de l'étude comprennent des scientifiques de : the University of Oxford (Pandemic Sciences Institute; Oxford Martin School; Department of Biology; Oxford Vaccine Group; Department of Computer Science; Department of Statistics; Doctoral Training Centre; Ethox Centre); Stanford University; the University of Tokyo; University of Copenhagen; NIHR Oxford Biomedical Research Centre; Imperial College London; Northeastern University, Boston; Santa Fe Institute; World Health Organization; Stellenbosch University; African Institute for Mathematical Sciences (AIMS); Genomics England; Scripp Research, la Jolla, CA; ETH Zürich; Swiss Institute of Bioinformatics; Harvard T.H. Chan School of Public Health; The Open Data Institute, London; University of California, Los Angeles; The University of Sydney; Max Planck Institute for Software Systems; ELLIS Institute Tübingen, Germany; The Royal Veterinary College, London; Institut Pasteur Paris.