Un nouvel outil d’intelligence artificielle pourrait révolutionner la prévention des pandémies en identifiant les réservoirs animaux susceptibles d’héberger et de propager des virus dangereux pour l’homme. Développé par des chercheurs de l’Université de l’État de Washington, ce modèle d’apprentissage automatique permet de déterminer les zones géographiques où de nouvelles épidémies pourraient émerger.
Une équipe de chercheurs de l’Université d’Etat de Washington a créé un nouvel outil d’intelligence artificielle pouvant limiter, voire même prévenir, les pandémies. Ils ont publié une étude sur leurs travaux concernant l’utilisation de modèle d’apprentissage automatique dans la revue Communications Biology. Elle permettrait aux scientifiques d’identifier rapidement les menaces zoonotiques émergentes.
Une méthodologie innovante
Une équipe de recherche a mis au point un outil pour prévenir les nouvelles épidémies. Elle inclut notamment la professeure adjointe à l’Ecole de biosciences moléculaires, Heather Koehler ; Daniel J. Becker de l’Université d’Oklahoma ; Rory Gibb de l’University College London et Collin Carlson de l’Université Yale. Le projet a été dirigé par Stephanie Seifert, une experte en émergence virale et en transmission interspécifique. Elle est aussi professeure adjointe à la Paul G. Allen School for Global Health de la faculté de médecine vétérinaire de l’Université d’Etat de Washington (WSU).
Les chercheurs ont en réalité créé un modèle d’apprentissage automatique capable d’identifier les espèces animales pouvant transporter des virus susceptibles d’infecter les humains ainsi que les zones géographiques qui pourraient être des foyers d’épidémies. L’atout de cet outil d’intelligence artificielle, c’est qu’il peut également analyser les caractéristiques de l’hôte et la génétique des agents pathogènes.
Le modèle se concentre sur les orthopoxvirus, une famille virale qui inclut la variole et le mpox. En analysant les caractéristiques génétiques des virus et les spécificités des hôtes animaux, les chercheurs sont en mesure d’anticiper les risques de transmission à l’homme. Cette approche constitue une avancée majeure par rapport aux modèles précédents qui se basaient uniquement sur les facteurs écologiques des hôtes.
« Les trois quarts des virus émergents proviennent des animaux, » explique Stephanie Seifert, experte en transmission interespèces et co-directrice du projet. « Si nous pouvons mieux prédire quelles espèces présentent le plus grand risque, nous pourrons mettre en place des mesures préventives pour limiter les pandémies. »
Grâce à cette étude, les chercheurs ont pu localiser les foyers potentielles d’épidémies d’orthopoxvirus. Il s’agit de l’Asie du Sud-Est, l’Amazonie et l’Afrique équatoriale. Ils ont identifié de nombreux hôtes potentiels dans ces régions. Pourtant, le taux de vaccination antivariolique y était faible, ce qui favoriserait la propagation rapide du virus. Notons en effet que depuis l’éradication de la variole en 1980, les campagnes de vaccination dans ces zones ont été arrêtées.
Une précision dans l’identification des réservoirs de virus animaux
Les chercheurs ont également réussi à déterminer quelles familles d’animaux sont les plus susceptibles d’être des hôtes pour le mpox. Parmi elles, on retrouve :
- Les rongeurs
- Les chats
- Les canidés (chiens et espèces apparentées)
- Les mustélidés (comme les loutres et les belettes)
- Les ratons laveurs
L’intelligence artificielle a également confirmé que certaines espèces, comme les rats, étaient résistantes au virus, une donnée corroborée par des études en laboratoire.
Vers une meilleure surveillance des épidémies
L’identification précoce des réservoirs animaux est cruciale pour anticiper les « retombées » virales vers l’homme. Jusqu’à présent, ces recherches se faisaient principalement par des échantillonnages de terrain, une méthode coûteuse et fastidieuse. L’utilisation de l’IA pourrait ainsi révolutionner la manière dont les scientifiques surveillent la faune et les virus.
« Si nous cherchons le réservoir du mpox en Afrique centrale, nous nous retrouvons dans une zone à la biodiversité extrême. Par où commencer ? » interroge Seifert. « L’apprentissage automatique nous aide à cibler nos efforts de surveillance et à mieux comprendre les risques viraux. »
