Cough2COVID-19 : une IA pour détecter le COVID-19 à partir de l'analyse audio de la toux

Des chercheurs ont développé un système d'intelligence artificielle appelé Cough2COVID-19, capable de détecter le COVID-19 avec une grande précision en analysant simplement les sons de toux. Cette méthode non invasive et peu coûteuse pourrait permettre un dépistage à grande échelle.

Une détection très précise basée sur l'analyse audio

Le framework Cough2COVID-19 utilise une approche d'apprentissage profond multi-couches pour analyser les caractéristiques sonores de la toux et détecter la présence du COVID-19. Le système combine plusieurs modèles d'apprentissage automatique et atteint des performances remarquables :

• Une spécificité de 98%
• Une sensibilité de 97%
• Une précision globale de 98%
• Un score AUC de 0,981

Ces résultats surpassent nettement d'autres méthodes d'évaluation sonores et se rapprochent de la fiabilité des tests PCR, tout en étant beaucoup moins invasifs et coûteux.

Une approche innovante basée sur l'IA

Le système Cough2COVID-19 repose sur plusieurs innovations :

• Un algorithme appelé CoughFeatureRanker qui identifie et classe les caractéristiques sonores les plus pertinentes pour la détection
• Une architecture d'apprentissage profond qui combine plusieurs types de réseaux de neurones (MFCC-MLP, Spectrogram-CNN, Chromagram-MLP)
• L'utilisation de différentes représentations du son (coefficients MFCC, spectrogrammes, chromagrammes)

Cette approche hybride permet d'extraire un maximum d'informations des enregistrements audio et d'obtenir une détection très fiable, surpassant les performances des modèles individuels.

Un potentiel pour le dépistage à grande échelle

Cette méthode présente plusieurs avantages par rapport aux tests traditionnels :

• Non invasive : un simple enregistrement audio suffit
• Peu coûteuse : pas besoin de matériel spécifique
• Rapide : les résultats sont obtenus en quelques secondes
• Accessible à distance : l'analyse peut se faire via un smartphone

Ces caractéristiques en font un outil prometteur pour le dépistage à grande échelle, notamment dans les zones où l'accès aux tests PCR est limité.

Des résultats validés sur plusieurs jeux de données

Le framework Cough2COVID-19 a été évalué sur différents jeux de données publics (ComParE, Coswara, Virufy, COUGHVID), démontrant sa robustesse et sa capacité à généraliser. Les performances sont restées élevées sur tous les jeux de données testés.

Bien que des recherches supplémentaires soient nécessaires avant une utilisation clinique, cette approche innovante ouvre de nouvelles perspectives pour lutter contre la pandémie de COVID-19. Le framework Cough2COVID-19 pourrait contribuer à renforcer notre capacité à détecter précocement les infections, à réduire les risques de transmission et à permettre des interventions rapides dans la lutte contre la pandémie.

Grâce à une détection précise et rapide, Cough2COVID-19 se révèle particulièrement prometteur pour les professionnels de santé, notamment dans les environnements limités en infrastructures de test. En réduisant la dépendance aux tests PCR, ce système pourrait faciliter un dépistage précoce et contribuer à limiter la propagation du virus, tout en étant potentiellement adaptable pour d’autres infections respiratoires. Cette approche innovante témoigne de l’apport de l’intelligence artificielle dans la transformation des pratiques de santé publique et pourrait soutenir les efforts de contrôle des pandémies.

Husssain, S., Ayoub, M., Wahid, J.A. et al. Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker. Sci Rep 14, 25207 (2024). https://doi.org/10.1038/s41598-024-76639-9