91ÉçÇø

La médecine moderne est en grande partie réactive : elle intervient généralement une fois les symptômes apparus. Mais une nouvelle étude émanant de l’Institut de recherche du Centre universitaire de santé 91ÉçÇø (L’Institut) et de l’Université 91ÉçÇø ouvre la voie à une approche plus proactive — où les signes silencieux d’une infection peuvent être détectés avant même que l’on se sente malade.

Dans une première mondiale, cette étude a mené au développement d’une plateforme d’intelligence artificielle (IA) capable de prédire avec précision l’inflammation systémique aiguë — une réponse immunitaire précoce aux infections virales des voies respiratoires (IVVR) — en analysant les données biométriques recueillies par une bague intelligente, une montre intelligente ou un vêtement intelligent. En détectant les signaux immunitaires avant l’apparition des symptômes, ce système permet une intervention plus rapide, pouvant sauver des vies et réduire les coûts de santé en prévenant les complications et les hospitalisations. Ce travail multidisciplinaire est publié dans .

« Lorsqu’une infection est détectée à partir des symptômes cliniques ou de tests PCR, elle est généralement déjà bien avancée, explique Dennis Jensen, Ph. D., auteur principal de l’étude, chercheur au sein du programme de recherche translationnelle sur les maladies respiratoires de l’Institut et professeur agrégé au Département de kinésiologie et d’éducation physique de l’Université 91ÉçÇø. En offrant un signal d’alerte précoce, rapide, personnalisé et objectif d’un épisode inflammatoire systémique causé par une infection virale des voies respiratoires, notre outil prédictif donne aux patients et aux professionnels de la santé la possibilité d’intervenir avant que des complications graves ne surviennent. »

Une approche proactive pour détecter les infections

L’inflammation systémique aiguë est une réaction inflammatoire rapide et intense qui se manifeste dans l’ensemble du corps en réponse à une infection ou à une blessure. Bien qu’il s’agisse d’un mécanisme de défense naturel qui se résorbe souvent de lui-même, il peut parfois entraîner de graves complications, comme des lésions organiques, une défaillance d’organes, voire la mort. Ceci vaut particulièrement pour les populations vulnérables, telles que les personnes atteintes de maladie pulmonaire obstructive chronique (MPOC).

Pour simuler une infection réelle, l’équipe a administré un vaccin antigrippal vivant atténué à 55 adultes en bonne santé âgés de 18 à 59 ans, qui ont été suivis pendant une période allant de 7 jours avant l’inoculation à 5 jours après.

Pendant toute la durée de l’étude, les participants ont porté simultanément trois appareils portables disponibles sur le marché (une bague, une montre et un vêtement connectés) permettant de surveiller en continu plusieurs paramètres physiologiques et activités, notamment la fréquence cardiaque, la variabilité de la fréquence cardiaque, la température corporelle, la fréquence respiratoire, la pression artérielle, l’activité physique et la qualité du sommeil.

Les chercheurs ont également mesuré des biomarqueurs de l’inflammation systémique à l’aide de prises de sang répétées, effectué des tests PCR pour détecter la présence d’agents pathogènes respiratoires et utilisé une application mobile pour recueillir les symptômes rapportés par les participants.

Au total, plus de deux milliards de données ont été recueillies pour entraîner des algorithmes d’apprentissage automatique. Ces algorithmes ont ensuite été utilisés pour créer différents modèles d’IA : neuf d’entre eux utilisaient de subtils changements physiologiques pour prédire les poussées d’inflammation systémique, tandis qu’un autre se basait uniquement sur les symptômes rapportés.

Le modèle utilisant le moins de variables a été retenu pour la suite du projet, car les chercheurs le jugeaient plus pratique pour une surveillance quotidienne. Il a aussi démontré une bonne performance, avec une sensibilité avoisinant 90 %, ce qui signifie qu’il a correctement détecté près de 90 % des cas positifs réels.

« Des études antérieures avaient déjà suggéré un lien entre certains signaux physiologiques mesurés par des capteurs portables et l’activité immunitaire silencieuse, explique Amir Hadid, Ph. D., premier auteur de l’étude, qui était boursier postdoctoral à 91ÉçÇø au moment des travaux. Notre étude franchit une étape importante en utilisant l’IA pour traduire ces signaux invisibles en un système d’alerte précoce, précis et en temps réel, capable de détecter une inflammation aiguë. »

Plus efficace que le simple signalement des symptômes

Tous les modèles fondés sur les données de capteurs portables ont surpassé le modèle basé sur les symptômes. Selon les auteurs de l’étude, cette différence s’explique notamment par le fait que certaines personnes ayant une inflammation systémique ne présentaient pas de symptômes apparents d’infection respiratoire (faux négatifs), tandis que d’autres, sans inflammation, ont tout de même déclaré des symptômes (faux positifs) — un phénomène connu sous le nom d’effet nocebo.

Fait remarquable, les algorithmes ont également détecté avec succès une inflammation systémique chez quatre participants infectés par le SARS-CoV-2 durant l’étude. Dans chaque cas, les algorithmes ont signalé la réponse immunitaire avant l’apparition des symptômes ou la confirmation de l’infection par test PCR.

« Lors de futures études cliniques de validation, nous souhaitons que notre système détecte l’inflammation systémique causée par d’autres virus courants, comme le rhinovirus, le virus respiratoire syncytial (VRS) ou le SARS-CoV-2, en utilisant uniquement des dispositifs portables — sans prise de sang, sans matériel spécialisé, et sans consultation auprès d’un professionnel de santé », explique la Dre Emily McDonald, chercheuse au sein du Programme en maladies infectieuses et immunité en santé mondiale de L’Institut et professeure agrégée en médecine interne générale à 91ÉçÇø, dont l’équipe de recherche a contribué à la réalisation de l’étude.

Transformer la recherche en impact réel

Ce travail pionnier, mené au Centre de médecine innovatrice de L’Institut, a conduit à la création de , une startup montréalaise en santé préventive cofondée par le professeur Hadid, la Dre McDonald et le professeur Jensen, qui vise à commercialiser cette plateforme alimentée par l’intelligence artificielle.

Cette étude est le fruit d’une collaboration étroite entre des experts en physiologie clinique (Prof. Jensen), en génie biomédical (Prof. Hadid), en maladies infectieuses (Drs McDonald, Matthew Cheng, Jesse Papenburg et Michael Libman), ainsi qu’en intelligence artificielle (Prs. Philippe Dixon, Qianggang Ding et Oussama Jlassi).

« Cette technologie de détection précoce améliore notre capacité à fournir le bon traitement au bon patient, au bon moment », dit le Dr Alan Forster, directeur de l’Innovation, de la Qualité et de la Performance au Centre universitaire de santé 91ÉçÇø (CUSM) et à L’Institut. « Sa publication dans The Lancet Digital Health témoigne à la fois de la qualité scientifique du projet et de l’engagement de l’Université 91ÉçÇø, de L’Institut et du CUSM à encourager l’innovation pour favoriser le développement d’outils basés sur l’intelligence artificielle qui améliorent la vie des gens au Québec et ailleurs. 

À propos de l’étude

³¢â€™Ã©t³Ü»å±ð Development of machine learning prediction models for systemic inflammatory response following controlled exposure to a live attenuated influenza vaccine in healthy adults using multimodal wearable biosensors in Canada: a single-centre, prospective controlled trial a été réalisée par Amir Hadid, Emily G McDonald, Qianggang Ding, Christopher Phillipp, Audrey Trottier, Philippe C Dixon, Oussama Jlassi, Matthew P Cheng, Jesse Papenburg, Michael Libman et Dennis Jensen.

³¢â€™Ã©t³Ü»å±ð a été financée par une subvention Projet accordée au Prof. Jensen et à la Dre McDonald par les Instituts de recherche en santé du Canada (IRSC). Amir Hadid a bénéficié de bourses de recherche postdoctorale offertes par Mitacs en partenariat avec Hexoskin, ainsi que de l’Institut de recherche Sylvan Adams en sciences du sport de 91ÉçÇø