L’intelligence artificielle au service du dépistage de la tuberculose

NNoor

D’après Google Research, les travaux ont évolué sur plusieurs années, des outils d’aide au triage vers des essais cliniques, des autorisations réglementaires avec des partenaires locaux et des modèles ouverts comme MedGemma. L’objectif annoncé est d’aider à repérer, à partir de radiographies thoraciques, des personnes qui pourraient avoir besoin d’examens complémentaires. Google présente ces travaux à IDWeek 2026, à Washington, et met en avant le potentiel des modèles fondamentaux pour élargir le dépistage de la tuberculose. L’entreprise décrit donc une trajectoire de recherche et de développement, et non un déploiement généralisé de ces modèles. Elle présente ces outils comme une piste pour les systèmes de santé publique confrontés à des difficultés d’accès au dépistage.

NNoor

La tuberculose pourrait être évitable et guérissable, d’après Google Research. L’entreprise estime qu’elle provoquerait environ 1,23 million de décès par an et que des millions de cas actifs ne seraient pas détectés. Dans les régions où la maladie est très présente, les radiologues seraient rares et les équipements d’imagerie parfois éloignés, notamment dans des zones rurales ou pour des mineurs travaillant sous terre. Google présente ses travaux comme une piste pour faciliter le repérage dans ces contextes. L’outil vise à orienter les personnes vers des examens de suivi, sans remplacer ces étapes médicales.

NNoor

Le point de départ est une radiographie du thorax, un examen utilisé pour le dépistage pulmonaire. Un algorithme d’apprentissage profond examine l’image à la recherche de signes associés à une tuberculose pulmonaire active. Google cite notamment des anomalies subtiles dans la partie supérieure des poumons et des lésions cavitaires, qui peuvent demander une expertise particulière pour être interprétées. Dans le parcours décrit par l’entreprise, l’outil sert à identifier des personnes chez qui une tuberculose est suspectée et qui doivent être orientées vers des examens de suivi. Il s’agit donc d’une aide au triage : la radiographie et son analyse peuvent contribuer à décider qui doit être examiné plus avant, mais les éléments disponibles ne disent pas que l’outil pose seul un diagnostic définitif. Et, en pratique, les essais cliniques et les autorisations locales sont des étapes distinctes d’un simple résultat de recherche.

NNoor

Alors, Google décrit une évolution de ses travaux, des outils d’aide au triage vers des essais cliniques et une validation prospective multicentrique publiée en 2024. Cette étude, parue dans NEJM AI, évaluait la sensibilité du dépistage assisté par intelligence artificielle. Les éléments rapportés ne donnent pas les résultats détaillés de cette évaluation. Google indique aussi avoir travaillé avec des partenaires locaux sur des autorisations réglementaires. Ces étapes décrivent le développement de l’outil, sans préciser les modalités de son utilisation dans chaque clinique.

NNoor

Google Research indique qu’un benchmark publié en 2019 dans Radiology aurait montré que des algorithmes d’apprentissage profond pouvaient détecter la tuberculose pulmonaire active sur des radiographies avec des performances comparables à celles de radiologues expérimentés. En 2021, une évaluation du Stop TB Partnership, publiée dans The Lancet Digital Health, aurait classé le logiciel de Google parmi les algorithmes de dépistage les plus performants au monde. La même année, l’Organisation mondiale de la santé a recommandé la détection assistée par ordinateur pour le dépistage et le triage de la tuberculose. Ces éléments retracent différentes étapes rapportées par Google dans l’évolution de ses travaux.

NNoor

Google indique avoir publié en septembre 2024, dans NEJM AI, une validation prospective menée sur plusieurs sites. L’étude évaluait notamment la sensibilité, c’est-à-dire la capacité à repérer les personnes atteintes. Google affirme que cette validation aurait montré une sensibilité élevée, mais les résultats détaillés ne sont pas fournis dans les éléments disponibles. Il n’est donc pas possible d’en préciser le taux à partir de ces éléments. La publication décrit une validation prospective, sans que les chiffres complets permettent ici d’en examiner les résultats.

NNoor

Google présente les modèles ouverts comme un moyen potentiel d’aider les systèmes de santé publique et d’élargir le dépistage. MedGemma est cité parmi ces modèles, mais les éléments présentés ne précisent pas ses performances propres pour la tuberculose. Google indique avoir travaillé avec des partenaires locaux sur des autorisations réglementaires, sans préciser leur nombre ni les territoires concernés. L’entreprise défend ainsi le potentiel de ces modèles, sans détailler les modalités d’un déploiement précis.

NNoor

Google présente les modèles ouverts comme une piste pour élargir le dépistage, mais ne fournit pas de chiffrage de leur coût ni du nombre de personnes supplémentaires qui pourraient être dépistées. Les informations présentées ne permettent donc pas de comparer le coût de ces outils à celui d’une organisation reposant sur des radiologues. Google indique que ses travaux vont des outils de triage aux essais cliniques, aux autorisations réglementaires avec des partenaires locaux et aux modèles ouverts. Ces éléments décrivent des étapes de développement, sans mesurer l’impact concret de ces modèles sur le dépistage.

NNoor

Une première limite tient aux résultats détaillés de la validation de 2024 : Google indique qu’elle évaluait la sensibilité, mais les chiffres complets ne sont pas fournis dans les éléments disponibles. Une autre concerne les modèles ouverts comme MedGemma : Google en présente le potentiel pour les systèmes de santé publique, sans détailler ici leurs performances propres pour la tuberculose. Google mentionne également des autorisations réglementaires avec des partenaires locaux, sans préciser les territoires concernés. Les informations présentées retracent donc des étapes de recherche et de développement, mais ne chiffrent pas l’impact du déploiement de ces modèles.

NNoor

Bon, les travaux de Google portent sur l’analyse de radiographies thoraciques pour aider au triage de la tuberculose, puis sur des essais cliniques, des autorisations réglementaires avec des partenaires locaux et des modèles ouverts. Google Research rapporte un benchmark publié en 2019, une évaluation du Stop TB Partnership en 2021 et une validation prospective publiée en 2024. L’Organisation mondiale de la santé a recommandé en 2021 la détection assistée par ordinateur pour le dépistage et le triage de la tuberculose. Google met en avant le potentiel de modèles ouverts comme MedGemma pour les systèmes de santé publique. Les résultats détaillés de la validation de 2024 ne sont pas fournis ici, et les informations présentées ne chiffrent pas l’impact du déploiement. C’est donc une piste de développement dont les résultats complets et l’ampleur de l’utilisation restent à préciser.