Les scientifiques développent un système de suivi et d’alerte précoce basé sur l’IA pour les pandémies virales

Les scientifiques de Scripps Research ont développé un système d’apprentissage automatique – un type d’application d’intelligence artificielle (IA) – capable de suivre l’évolution détaillée des virus épidémiques et de prédire l’émergence de variantes virales dotées de nouvelles propriétés importantes.

Dans un article publié dans Motifs le 21 juillet 2023, les scientifiques ont démontré le système en utilisant des données sur les variantes enregistrées du SRAS-CoV-2 et les taux de mortalité du COVID-19. Ils ont montré que le système aurait pu prédire l’émergence de nouvelles « variantes préoccupantes » (VOC) du SRAS-CoV-2 avant leur désignation officielle par l’Organisation mondiale de la santé (OMS). Leurs découvertes indiquent la possibilité d’utiliser un tel système en temps réel pour suivre les futures pandémies virales.

“Il existe des règles d’évolution du virus pandémique que nous n’avons pas comprises, mais qui peuvent être découvertes et utilisées de manière concrète par les organismes de santé privés et publics, grâce à cette approche d’apprentissage automatique sans précédent”, déclare l’auteur principal de l’étude, William Balch, Ph.D. ., professeur au Département de médecine moléculaire de Scripps Research.

Les co-premiers auteurs de l’étude étaient Salvatore Loguercio, Ph.D., un scientifique du laboratoire Balch au moment de l’étude, et actuellement un scientifique du Scripps Research Translational Institute ; et Ben Calverley, Ph.D., associé de recherche postdoctoral au laboratoire Balch.

Le laboratoire Balch se spécialise dans le développement de méthodes informatiques, souvent basées sur l’IA, pour comprendre comment les variations génétiques modifient les symptômes et la propagation des maladies. Pour cette étude, ils ont appliqué leur approche à la pandémie de COVID-19. Ils ont développé un logiciel d’apprentissage automatique, utilisant une stratégie appelée covariance spatiale basée sur le processus gaussien, pour relier trois ensembles de données couvrant l’évolution de la pandémie : les séquences génétiques des variantes du SRAS-CoV-2 trouvées chez les personnes infectées dans le monde entier, les fréquences de ces variantes. variantes et le taux de mortalité mondial dû au COVID-19.

“Cette méthode de calcul utilisait des données provenant de référentiels accessibles au public”, explique Loguercio. “Mais cela peut être appliqué à n’importe quelle ressource de cartographie génétique.”

Le logiciel a permis aux chercheurs de suivre des ensembles de modifications génétiques apparaissant dans les variantes du SRAS-CoV-2 à travers le monde. Ces changements – tendant généralement vers une augmentation des taux de propagation et une diminution des taux de mortalité – signifiaient les adaptations du virus aux confinements, au port du masque, aux vaccins, à l’augmentation de l’immunité naturelle de la population mondiale et à la concurrence incessante entre les variantes du SRAS-CoV-2 elles-mêmes.

“Nous avons pu voir des variantes génétiques clés apparaître et devenir plus répandues, à mesure que le taux de mortalité changeait également, et tout cela se produisait des semaines avant que les COV contenant ces variantes ne soient officiellement désignés par l’OMS”, explique Balch.

Lui et son équipe ont montré qu’ils pouvaient utiliser ce système de suivi du SRAS-CoV-2 comme « détecteur d’anomalies » d’alerte précoce pour les variantes génétiques associées à des changements significatifs dans la propagation virale et les taux de mortalité.

“L’une des grandes leçons de ce travail est qu’il est important de prendre en compte non seulement quelques variantes importantes, mais également les dizaines de milliers d’autres variantes non désignées, que nous appelons la ‘variante de matière noire'”, explique Balch.

Un système similaire pourrait être utilisé pour suivre en temps réel l’évolution détaillée des futures pandémies virales, notent les chercheurs. En principe, cela permettrait aux scientifiques de prédire les changements dans la trajectoire d’une pandémie (par exemple, une forte augmentation des taux d’infection) à temps pour adopter des contre-mesures de santé publique appropriées.

Balch et ses collègues envisagent également d’utiliser leur approche pour mieux comprendre la biologie des virus et améliorer ainsi le développement de traitements et de vaccins. Actuellement, ils utilisent leur système d’IA pour découvrir des détails clés sur la façon dont différentes protéines du SRAS-CoV-2 ont travaillé ensemble au cours de l’évolution de la pandémie.

“Ce système et ses méthodes techniques sous-jacentes ont de nombreuses applications futures possibles”, explique Calverley.