Les maladies tropicales négligées font référence à un groupe de maladies qui touchent des millions de personnes dans le monde, souvent dans des régions frappées par la pauvreté, et qui pourtant ne reçoivent pas l’attention scientifique qu’elles méritent. La schistosomiase est l’une de ces maladies, une infection parasitaire persistante qui touche environ 250 millions de personnes dans 78 pays, notamment en Afrique et en Amérique latine.
La schistosomiase étant peu étudiée, l’amélioration des outils de diagnostic et des traitements est souvent une réflexion secondaire. Les diagnostics actuellement disponibles pour tester et traiter la schistosomiase ne détectent pas toujours l’infection à ses débuts ou lorsque l’infection est bénigne. Et les analyses de sang ne permettent souvent pas de distinguer les infections actives des infections passées. Non diagnostiquée et non traitée, la schistosomiase peut entraîner de graves complications vésicales ou hépatiques.
Aujourd’hui, une équipe de chercheurs, dont Jessica Fairley, spécialiste des maladies infectieuses et professeure agrégée à la faculté de médecine de l’université Emory, a trouvé des moyens de détecter la schistosomiase alors que d’autres tests moins sensibles ne le peuvent pas, conduisant à un traitement plus précoce qui peut améliorer les résultats à long terme. Leurs conclusions, rapportées dans Médecine translationnelle scientifique, s’avèrent prometteurs pour le développement d’un test clinique d’anticorps capable de détecter rapidement et facilement même de faibles niveaux d’infection.
L’équipe de recherche a utilisé un apprentissage automatique interprétable pour séparer les individus infectés activement de ceux ayant déjà été infectés. La comparaison d’individus sains et infectés dans deux cohortes humaines du Brésil et du Kenya a révélé des signatures de maladie active jusqu’alors non caractérisées, qui peuvent être utilisées pour un diagnostic plus précis.
Un partenariat entre science et ingénierie
Aniruddh Sarkar, co-auteur de l’article et ingénieur biomédical chez Emory et au Georgia Institute of Technology, concentre principalement ses recherches sur le comportement des fluides à l’échelle micro et nano sur les puces électroniques. Étant donné que toute la biologie se déroule dans les fluides et que les puces électroniques fonctionnent à la même échelle microscopique que celle à laquelle les cellules et les biomolécules existent, Sarkar s’est associé à Fairley pour adapter son expertise « afin de sonder les processus biologiques à un niveau très basique », comme il le dit.
Fairley et Sarkar ont combiné leurs connaissances en matière de maladies infectieuses et d’analyse de données biologiques pour créer une manière nouvelle et jusqu’alors inconnue de diagnostiquer la schistosomiase.
« L’étalon-or traditionnel est la visualisation microscopique des œufs du parasite schistosoma », explique Fairley. « Vous regardez au microscope, et cela prend beaucoup de temps. Cela peut également manquer une infection. »
En collaborant avec Sarkar et le spécialiste de l’apprentissage automatique Jishnu Das de l’Université de Pittsburgh, autre co-auteur de l’article, ils ont pu développer une plateforme d’apprentissage automatique capable d’identifier les groupes de biomarqueurs de la schistosomiase qui contenaient le plus d’informations sur le fonctionnement de la maladie. développé chez des patients particuliers. Sarkar affirme que baser le diagnostic sur les qualités de groupes d’anticorps plutôt que sur la quantité d’un seul marqueur permettra de mieux détecter la maladie de manière fiable et précoce.
« Lorsque vous regardez ces centaines de mesures avec l’œil humain uniquement, même si vous les tracez avec des graphiques à barres ou à secteurs, il peut être difficile de trouver des modèles », explique Sarkar. « Cela ressemblera à un fouillis. C’est là que ces technologies entrent en jeu. Elles mettent en évidence la partie des données qui compte vraiment. »
L’objectif final des chercheurs est d’étendre le test d’anticorps au point où il pourrait remplacer de nombreuses autres techniques de diagnostic et être utilisé rapidement et facilement dans les zones rurales où la schistosomiase est souvent la plus répandue.
Fairley est optimiste quant au fait que le partenariat entre les connaissances sur les maladies infectieuses et l’analyse des données assistée par machine peut apporter une contribution beaucoup plus importante à la santé publique.
« Présenter Jishnu et Aniruddh au monde des maladies infectieuses négligées nous a permis de tirer parti de leur expertise analytique pour créer de nouveaux diagnostics », explique Fairley. « Et ce partenariat interdisciplinaire montre que nous pouvons accorder à des maladies peu étudiées comme la schistosomiase l’attention qu’elles méritent et faire progresser la santé publique mondiale. »
