Écouter la respiration d'un patient est l'un des outils les plus anciens de la panoplie d'un médecin. Depuis des siècles, les médecins pressent leur oreille ou leur stéthoscope contre un thorax pour détecter le râle subtil d'un fluide, le sifflement aigu d'une voie respiratoire rétrécie ou le silence fluide de poumons sains. Cette pratique, appelée auscultation, repose entièrement sur l'oreille humaine et l'expérience de l'auditeur. Bien qu'invaluable, elle est également subjective ; deux médecins peuvent entendre des choses différentes dans une même respiration, et un diagnostic peut dépendre fortement du degré de pratique d'un médecin. Alors que les maladies respiratoires comme l'asthme affectent des millions de personnes dans le monde, la communauté médicale cherche depuis longtemps un moyen de rendre ce processus d'écoute plus objectif, cohérent et accessible, en particulier pour les jeunes enfants ou ceux vivant dans des zones reculées où les spécialistes sont rares.

Ces dernières années, les scientifiques se sont tournés vers l'informatique pour aider à l'écoute. En convertissant le son de la respiration en une carte visuelle appelée spectrogramme — où le temps s'écoule le long de la base et la hauteur tonale monte sur le côté — les chercheurs peuvent traiter une respiration comme une image. Cela leur permet d'utiliser de puissants programmes informatiques, initialement conçus pour reconnaître des chats ou des voitures sur des photographies, afin d'identifier des modèles de maladies. Cependant, ces premières tentatives reposaient souvent sur des modèles informatiques plus anciens qui ne regardaient que le son, ignorant le reste de l'histoire du patient, comme son âge ou son sexe. De plus, comparer différents programmes informatiques était difficile car ils étaient souvent testés sur des ensembles de données différents, ce qui rendait difficile de savoir lequel fonctionnait réellement le mieux.

Une équipe de chercheurs de l'Université Ben-Gurion en Israël et de l'Université médicale d'État de Perm en Russie s'est donné pour mission de résoudre ces problèmes en testant la nouvelle génération de modèles informatiques sur une collection de données de patients unique et partagée. Ils voulaient voir si l'intelligence artificielle moderne pouvait non seulement écouter les sons respiratoires, mais aussi comprendre le contexte du patient, imitant ainsi la façon dont un médecin humain combine ce qu'il entend avec ce qu'il sait de la personne. Leur travail se concentre sur la distinction entre les patients asthmatiques et les autres, une tâche cruciale pour la gestion d'une pathologie qui affecte jusqu'à 29 % de la population dans certains pays.

Les chercheurs ont rassemblé un large ensemble d'enregistrements provenant de plus de 1 300 participants, allant des nourrissons aux adultes. Ces enregistrements captura parent le son d'une respiration calme à partir de quatre endroits différents du corps : la bouche, la trachée, le thorax et le dos. Chaque enregistrement était accompagné d'informations structurées sur le patient, incluant son âge, son sexe et le lieu de l'enregistrement sonore. L'équipe a ensuite injecté ces données dans trois types différents de modèles informatiques pour voir lequel diagnostiquait l'asthme avec la plus grande précision.

Le premier modèle testé était un type bien établi de programme informatique connu sous le nom de réseau de neurones convolutifs, plus précisément une version appelée DenseNet201. Ce modèle avait été utilisé dans leurs travaux précédents et servait de base fiable. Il ne regardait que la carte visuelle du son, ignorant les détails personnels du patient. Le deuxième modèle était un système de pointe appelé Audio Spectrogram Transformer. Ce modèle a été conçu spécifiquement pour comprendre les motifs sonores et a été entraîné sur de vastes bibliothèques audio avant d'être adapté à cette tâche médicale. Le troisième modèle était un système multimodal de vision-langage nommé Moondream2. C'était l'attempt la plus ambitieuse ; il était conçu pour regarder la carte sonore tout en lisant simultanément une description textuelle de l'âge, du sexe et du lieu d'enregistrement du patient, espérant que la combinaison de ces deux flux d'informations conduirait à un meilleur diagnostic.

Les résultats ont révélé un vainqueur clair. Le modèle sonore spécialisé, l'Audio Spectrogram Transformer, a surpassé tous les autres avec une précision remarquable. Il a atteint un taux de réussite de 98,7 % en termes de précision, de sensibilité, de spécificité et de score F1, avec un indice de Youden de 0,974. Cette performance était nettement supérieure au modèle DenseNet plus ancien, qui était correct environ 87 % du temps. Le modèle multimodal, Moondream2, a obtenu des performances similaires au modèle plus ancien, atteignant environ 86,5 % de précision. Curieusement, les chercheurs ont constaté que le modèle multimodal s'appuyait fortement sur les informations textuelles qui lui étaient données. Lorsqu'ils ont supprimé l'âge et le sexe du patient de l'entrée, la capacité du modèle à diagnostiquer l'asthme s'est effondrée, produisant des erreurs sur chaque cas d'asthme. Cela suggérait que, bien que le modèle puisse utiliser le texte pour prendre une décision, il peinait à apprendre les motifs sonores par lui-même aussi efficacement que le modèle construit spécifiquement pour l'audio.

L'étude a également exploré la manière dont ces modèles informatiques prennent leurs décisions, une étape cruciale pour gagner la confiance des médecins. Pour le modèle plus ancien, les chercheurs pouvaient utiliser une technique qui met en évidence les parties spécifiques de la carte sonore ayant déclenché le diagnostic, un peu comme une carte thermique montrant où une caméra s'est focalisée. Pour le nouveau modèle sonore, ils ont analysé les mécanismes d'attention interne pour voir sur quelles parties du son l'ordinateur se concentrait. Ils ont découvert que les deux modèles se focalisaient sur la même plage de fréquences, environ entre 800 et 1800 hertz, particulièrement durant le troisième cycle d'une respiration. Cette cohérence suggère que les ordinateurs ne devinent pas au hasard, mais détectent réellement les mêmes caractéristiques acoustiques physiques que celles que les médecins écoutent.

Les chercheurs ont conclu que, bien que la combinaison des détails du patient avec l'analyse sonore soit une étape logique, la génération actuelle de modèles polyvalents qui tentent de faire les deux n'est peut-être pas aussi efficace qu'un modèle conçu spécifiquement pour le son. Le modèle audio spécialisé a prouvé qu'il pouvait apprendre les nuances de la maladie respiratoire à partir du son seul, surpassant la performance de l'auscultation humaine rapportée dans la littérature médicale. Les conclusions suggèrent que l'avenir du diagnostic assisté par ordinateur pourrait résider dans l'utilisation d'outils hautement spécialisés pour des tâches spécifiques, plutôt que de tenter de construire un système unique qui fait tout. Ces modèles offrent une voie prometteuse vers une surveillance continue et à distance des patients, permettant potentiellement une détection plus précoce des crises d'asthme et des soins plus cohérents pour les populations partout dans le monde, quel que soit leur accès à un spécialiste.