Selon une nouvelle étude publiée dans BMC Bioinformatique.
La connaissance de l’âge d’un moustique aide les scientifiques à comprendre son potentiel de propagation du paludisme, mais les outils existants utilisés pour le prédire sont coûteux, demandent beaucoup de travail et sont souvent sujets aux erreurs humaines, selon les chercheurs.
Selon l’Organisation mondiale de la santé, la région africaine représentait environ 95 % des 247 millions de cas de paludisme dans le monde en 2021, et les scientifiques affirment que l’adoption d’outils innovants pour contrôler les moustiques et prévenir la propagation du paludisme est essentielle pour éliminer la maladie.
L’étude ciblait des souches de moustiques élevées dans des laboratoires de l’Ifakara Health Institute en Tanzanie et de l’Université de Glasgow en Écosse. À l’aide d’outils analytiques connus sous le nom de spectroscopie infrarouge, les chercheurs ont enregistré la composition biochimique des moustiques et ont utilisé l’apprentissage automatique, une forme d’intelligence artificielle (IA), pour former des modèles afin de prédire l’âge des moustiques.
Emmanuel Mwanga, auteur principal de l’étude et chercheur à l’Ifakara Health Institute, affirme que l’apprentissage automatique est une option plus efficace que les outils existants pour prédire l’âge des moustiques, qui sont laborieux et coûteux.
« Il y a un défi auquel nous avons été confrontés dans l’apprentissage automatique, qui est la difficulté d’identifier avec précision l’âge des moustiques à différents endroits », explique Mwanga. « C’est le principal problème auquel cet article s’attaque. Il est important de tester les résultats sur les moustiques de différents endroits et espèces. »
Cependant, les scientifiques soulignent que des recherches supplémentaires sont nécessaires car l’étude n’a porté que sur un type spécifique de moustique, Anopheles arabiensis, obtenu dans seulement deux pays.
Les résultats de l’étude montrent que les modèles d’apprentissage automatique ont amélioré la précision des prédictions pour les mêmes âges de moustiques à environ 98 %.
Mwanga dit que les interventions contre le paludisme pourraient être améliorées si les scientifiques du paludisme comprenaient mieux l’âge précis, les préférences d’hôtes et les espèces des agents porteurs du paludisme.
Selon les chercheurs, les vieux moustiques sont plus susceptibles de transmettre le paludisme que les jeunes, mais les moustiques qui préfèrent se nourrir d’humains sont plus susceptibles de transmettre le paludisme que ceux qui préfèrent d’autres animaux, ce qui rend l’étude de leurs caractéristiques vitale dans les efforts de lutte contre le paludisme.
« La prévision précise de ces facteurs peut aider à identifier les populations à haut risque et à cibler les interventions plus efficacement », explique Mwanga, ajoutant que l’utilisation de techniques d’apprentissage automatique pourrait « économiser du temps et des ressources qui peuvent être utilisées pour d’autres aspects des efforts de contrôle et d’élimination du paludisme. »
« Cela peut finalement conduire à une réduction du nombre de cas de paludisme et de décès dans la région, ce qui est une étape importante vers l’objectif de zéro paludisme », a-t-il déclaré.
Selon les chercheurs, les résultats suggèrent que l’intelligence artificielle peut être utilisée pour déterminer l’âge des moustiques de différentes populations.
« Cela pourrait aider les entomologistes à réduire le temps et le travail nécessaires pour disséquer un grand nombre de moustiques », indique l’étude. « Dans l’ensemble, ces approches ont le potentiel d’améliorer les programmes de surveillance basés sur des modèles, tels que l’évaluation de l’impact des outils de contrôle des vecteurs du paludisme, en surveillant les structures d’âge des populations locales de vecteurs. »
Frank Mussa, responsable de la recherche et du développement chez Afya Intelligence, une entreprise basée en Tanzanie qui se concentre sur l’utilisation de l’IA dans les soins de santé, affirme que les résultats, s’ils sont intégrés dans les interventions contre le paludisme, pourraient stimuler la planification des interventions contre le paludisme.
« [The] Les résultats sont nécessaires pour les décideurs politiques car ils simplifieront l’allocation des ressources et aideront à la prévision des tendances et aideront à l’élaboration de plans stratégiques solides pour l’élimination du paludisme en Tanzanie », a-t-il déclaré.
Plus d’information:
Emmanuel P. Mwanga et al, Utilisation de techniques d’apprentissage par transfert et de réduction de la dimensionnalité pour améliorer la généralisation des prédictions par apprentissage automatique de l’âge des moustiques à partir de spectres dans l’infrarouge moyen, BMC Bioinformatique (2023). DOI : 10.1186/s12859-022-05128-5