Un nouveau système d'intelligence artificielle (IA), développé par l'Institut pour l'IA Centrée sur l'Humain (PAI) de l'Université de Surrey en collaboration avec l'équipe Rabies et Viral Zoonoses de l'Animal and Plant Health Agency (APHA), accélère la détection du virus de la rage en culture cellulaire. Ce système est conçu pour améliorer la surveillance de la rage, une maladie responsable d'environ 59 000 décès humains annuels, et fournir des outils pratiques pour les laboratoires des pays endémiques. Les pratiques de diagnostic actuelles impliquent l'examen manuel d'images au microscope, un processus lent et sujet à des différences d'interprétation.
Les chercheurs ont entraîné plusieurs modèles de deep learning en utilisant plus de 2 300 images de fluorescence contenant plus de 36 000 sections annotées. Le modèle le plus performant a atteint 99,6 % de précision pour classifier l'infection par le virus de la rage dans les cellules et a distingué efficacement les cellules infectées des cellules non infectées. Le système offre une analyse d'échantillon plus rapide et plus cohérente, réduisant ainsi la dépendance à l'interprétation manuelle.
Cette technologie pourrait être particulièrement bénéfique dans les pays dotés de ressources limitées et est destinée à mesurer de manière fiable les niveaux d'anticorps, soutenant ainsi les évaluations de protection vaccinale et les exigences relatives aux voyages d'animaux de compagnie à l'international. La recherche établit un cadre adaptable pour la détection, l'analyse et la surveillance d'autres pathogènes, ce qui pourrait faciliter des applications plus larges de l'IA dans la recherche et le diagnostic des maladies infectieuses.
Des développements ultérieurs visent à adapter la technologie pour la détection dans les tissus cérébraux infectés, dans le but de transformer les laboratoires internationaux de diagnostic de la rage. Cette innovation soutient les efforts mondiaux pour éliminer les décès humains de la rage en renforçant la surveillance et en améliorant les capacités de diagnostic.