Détecter la COVID-19 par une analyse de la toux et de la voix

Publié le 22/06/2020

En quoi consiste le projet de recherche CDCVA ?

La pandémie COVID-19 a perturbé de nombreux systèmes de santé, entraînant un engorgement de certains milieux hospitaliers. Des chercheurs du monde entier se mobilisent pour développer des méthodes de détection efficaces du virus SARS-CoV-2. Actuellement, les professionnels de santé recourent à plusieurs approches, telles que les tests d'amplification des acides nucléiques (TAANs), qui disposent d’une grande sensibilité pour détecter le virus. Les tests sérologiques (ST) recherchant des anticorps dans l’organisme peuvent également être employés. « Cependant, ces méthodes nécessitent une consultation physique, ce qui augmente le risque d'infection pour le personnel et les patients, et requiert une quantité importante de ressources du système de santé. », explique Muhannad Ismael.

Dans ce contexte, le projet de recherche CDCVA, financé par le Fonds National de la Recherche (FNR), vise à développer un système de classification capable de détecter la probabilité d'infection par la COVID-19 sur la base de signatures vocales. « Les problèmes respiratoires causés par la COVID-19, tels que la toux sèche, le mal de gorge, l’essoufflement et la dyspnée, peuvent rendre la voix des patients distinctive, créant ainsi des signatures vocales identifiables qui pourraient être identifiées par le biais de notre système. », détaille Muhannad.

Le projet CDCVA, coordonné par le LIST, pourrait ouvrir la voie à un meilleur diagnostic à distance pour les professionnels de santé, et ce, tout en minimisant les risques liés aux contacts physiques entre le personnel et les patients. « Notre système de classification pourrait aussi être appliqué dans les services d'urgence, qui reçoivent un grand nombre d'appels pendant une épidémie, afin d'identifier les cas critiques nécessitant une intervention rapide. », explique Muhannad.

Quelle est la contribution du LIST dans ce projet ?

En tant que coordinateur du projet CDCVA, le LIST travaille en étroite collaboration avec l'Université du Luxembourg et leur partenaire non contractuel, le Luxembourg Institute of Health (LIH), qui fournit des données issues de son étude de cohorte « Predi-COVD ».

Afin de développer un tel système de détection de signatures vocales propres à la COVID-19, les chercheurs doivent collecter un large ensemble de données d'enregistrements de voix et de toux. Ces données sont traitées pour éliminer tout bruit parasitaire et pour identifier des motifs de toux et de voix par le biais de méthodes avancées de Machine Learning - ou apprentissage automatique.

« En s'appuyant sur notre forte expertise en matière de traitement des données et Machine Learning, notre équipe travaillera sur le système de classification détectant la probabilité d'infection par la COVID-19. Nous allons également développer une plateforme web pour collecter les données, tout en tenant compte des questions de confidentialité et d'éthique. », ajoute Muhannad.

Quel est votre rôle au sein du projet CDCVA ?

« Je suis le Principal Investigator (PI) du projet CDCVA. J'ai donc diverses tâches de gestion à travers cette recherche, y compris la coordination entre les partenaires. De plus, je travaille en étroite collaboration avec notre partenaire, l'Université du Luxembourg, sur une tâche spécifique qui consiste à concevoir et à développer un système de classification basé sur ce qu’on appelle le réseau de neurones artificiels. En d'autres termes, il s'agit d'une technologie d'intelligence artificielle qui s’inspire du fonctionnement de notre cerveau pour apprendre. »

A propos de Muhannad Ismael :

Muhannad Ismael a rejoint le LIST en 2019 en tant qu'associé junior de Recherche et Technologie (R&T) au sein du département « IT for Innovative Services ». Il est titulaire d'une licence en informatique et intelligence artificielle de l'Université d'Alep (Syrie) et d'un master de l'Université de Limoges (France). Muhannad est également titulaire d'un doctorat en vision par ordinateur (Computer Vision) de l'université de Reims (France). Il a travaillé comme chercheur postdoctoral à l'École Centrale de Nantes (France) jusqu'en 2018. Ses expériences professionnelles au sein de secteurs privés et publics l’ont conduit à une diversification de ses intérêts de recherche, allant de la réalité mixte et du Machine Learning à la vision par ordinateur.