Une méthode d’IA accélère la modélisation des épidémies

Soixante-douze génomes d’Ebola issus de l’épidémie de 2014 en Sierra Leone ont servi de cas test à une équipe de l’INRAE qui cherchait à accélérer la modélisation des maladies infectieuses. Les chercheurs ont utilisé l’estimation neuronale a posteriori, ou NPE — une méthode d’apprentissage profond déjà appliquée en neurosciences et en astrophysique — pour analyser les données génétiques et estimer le déroulement de l’épidémie.

La méthode sous-jacente commence par un arbre phylogénétique, une représentation des relations génétiques entre agents pathogènes. Ses branches reflètent l’historique des mutations et de la transmission, tandis que ses points de ramification aident à déterminer quelle souche provient de quelle souche parente. En combinant ces arbres avec les dates, la prévalence et les lieux, les chercheurs peuvent estimer des paramètres comme la vitesse de propagation, la durée de l’infection et l’origine géographique d’un agent pathogène.

Cette combinaison constitue aussi le principal goulot d’étranglement. Produire des estimations robustes nécessite de nombreuses séquences génétiques et des comparaisons avec les données épidémiologiques conventionnelles, tandis que les modèles doivent gérer les dates, les lieux et les mesures de population associés à ces séquences. L’étude indique que la NPE a produit des estimations similaires à celles obtenues avec les méthodes d’inférence traditionnelles, tout en étalonnant les modèles beaucoup plus rapidement. Les chercheurs la présentent comme la première utilisation de cette méthode avec des données génétiques dans une application phylodynamique.

Concrètement, le gain concerne le temps et la flexibilité des équipes chargées des épidémies : un modèle plus rapide pourrait permettre de tester en temps réel différents scénarios épidémiques, d’ajouter les nouvelles séquences génétiques au fur et à mesure de leur disponibilité et de fonctionner potentiellement avec des milliers de séquences. La même approche pourrait aussi contribuer à la gestion des épizooties, c’est-à-dire des épidémies touchant les animaux.

L’étude a utilisé un jeu de données comprenant 72 génomes d’Ebola. Les scientifiques ont mis en ligne des tutoriels détaillés afin que d’autres équipes puissent reproduire l’analyse.