Tuberculose : ajouter des données cliniques de routine à l'échographie pulmonaire améliore-t-il le dépistage ? Un preprint béninois sur 502 patients et un test de 101

Une équipe sud-africaine, béninoise et suisse a entraîné un réseau de neurones à lire des échographies pulmonaires réalisées au chevet, puis lui a adjoint un second modèle qui exploite des données cliniques de routine (âge, fièvre, sueurs nocturnes, statut VIH, etc.) pour dépister la tuberculose. Sur un échantillon de test de 101 patients, la moyenne des deux scores atteint une AUROC de 0,95 contre 0,91 pour l'image seule, avec une sensibilité de 0,93 et une spécificité de 0,76. Le gain est plausible, mais il n'est pas démontré : les auteurs eux-mêmes indiquent qu'il n'est pas statistiquement concluant (p = 0,10), et tout vient d'un seul hôpital.

Le contexte

La tuberculose reste l'une des maladies infectieuses les plus meurtrières au monde, et le goulot d'étranglement est souvent le dépistage : dans de nombreux centres de santé d'Afrique subsaharienne, il n'y a ni radiologue, ni toujours un appareil de radiographie. L'échographie pulmonaire « au point de soin » (POCUS, pour point-of-care ultrasound) est une piste séduisante : les sondes portables sont peu coûteuses, sans rayonnement, et un algorithme peut aider un opérateur peu formé. Plusieurs travaux ont déjà montré que le deep learning (apprentissage profond) sait repérer des signes de tuberculose sur ces images.

Cette étude pose une question plus modeste, mais très pratique : sachant qu'un clinicien dispose de toute façon d'informations de base sur le patient, combien l'algorithme gagne-t-il à les utiliser en plus de l'image ? Les auteurs travaillent sur la cohorte déjà publiée par leur groupe, avec cette fois un ensemble de variables cliniques et une définition élargie des cas de tuberculose.

La méthode

Les données. 502 patients présentant des symptômes respiratoires ont été inclus à l'hôpital universitaire CNHU-PPC de Cotonou (Bénin), un seul site. Chaque patient a subi un protocole standardisé d'échographie en 14 points du thorax (en moyenne 27 acquisitions par patient, de 10 à 33). Le diagnostic de référence repose sur le test moléculaire Xpert MTB/RIF Ultra sur crachat (qui détecte l'ADN du bacille) ; les patients diagnostiqués cliniquement (symptômes, imagerie, évolution) sont aussi comptés comme positifs. Au total, 224 patients sont étiquetés tuberculose. Les données sont réparties en cinq plis de validation croisée (environ 80 patients chacun, soit une technique où l'on alterne les sous-ensembles d'entraînement et de validation) et un ensemble de test fixe de 101 patients, dont 43 tuberculeux.

Le modèle d'image. Il s'agit d'un ResNet-18, un réseau convolutionnel classique, appliqué à des images 224 × 224 en niveaux de gris. Un schéma d'apprentissage par instances multiples (multi-instance learning) traite les images d'un même patient comme un ensemble : chacune des 14 localisations anatomiques reçoit une représentation propre, puis un mécanisme d'attention additive pondère les images avant une couche de décision unique par patient.

Les variables cliniques. Elles sont classées en trois familles : 28 variables déclarées par le patient (toux, perte de poids, fièvre, sueurs nocturnes, antécédents de tuberculose, etc.), 13 variables mesurées (saturation en oxygène, fréquence cardiaque, tension, température, adénopathies, etc.) et 3 variables issues de tests rapides au point de soin (VIH, test rapide du paludisme et son statut « fait/non fait »). Une sélection séquentielle gloutonne retient 18 variables pour le meilleur modèle.

La fusion. Trois stratégies sont comparées : concaténer les représentations avant la décision, faire la moyenne des deux probabilités, ou entraîner une régression logistique sur les sorties des deux modèles. La métrique principale est l'AUROC (aire sous la courbe ROC : la probabilité que le modèle attribue un score plus élevé à un patient tuberculeux qu'à un patient non tuberculeux tiré au hasard).

Les résultats

Métriques ML. Sur l'ensemble de test, le modèle d'image seul atteint une AUROC de 0,91 [IC 95 % : 0,86–0,96]. Les modèles cliniques seuls obtiennent 0,88 à 0,89 avec la sélection de variables. La meilleure fusion (variables des trois familles, sélection, moyenne des scores) atteint 0,95 [0,91–0,99] ; la régression logistique donne 0,94 et la concaténation 0,93. À un seuil calé sur 90 % de sensibilité à l'entraînement, le modèle fusionné présente en test une sensibilité de 0,93 [0,81–0,98] et une spécificité de 0,76 [0,63–0,85]. Le gain sur l'image seule est d'environ 4 points d'AUROC, avec p = 0,10 : on ne peut pas exclure qu'il soit dû au hasard. Les variables des tests rapides au point de soin ajoutent peu, et prises seules elles n'ont presque aucun pouvoir discriminant (AUROC de développement 0,57).

Traduction clinique. Appliquons ces chiffres à 1 000 patients ayant la même proportion de tuberculose que l'échantillon de test (43 %, soit 426 malades) : environ 396 seraient détectés et 30 manqués (faux négatifs), tandis que, parmi les 574 non tuberculeux, environ 138 seraient adressés à tort à un examen de confirmation (faux positifs). Mais l'intervalle de confiance de la sensibilité (0,81–0,98) laisse entre 9 et 81 cas manqués. Dans un dépistage de masse où la prévalence est plus faible, par exemple 10 % (illustration, non issue du papier), les mêmes taux donneraient 7 cas manqués mais environ 216 faux positifs sur 1 000 personnes : le nombre de faux positifs deviendrait la vraie question opérationnelle. Les auteurs indiquent que ces valeurs respectent les cibles de l'OMS pour un test de triage, mais ces cibles s'évaluent avec des intervalles bien plus étroits que ceux d'un test de 101 patients.

Ce qui est bien

Une question pragmatique. Plutôt que de chercher un nouveau modèle, l'étude mesure combien valent les informations déjà recueillies en consultation, et lesquelles sont inutiles. Le résultat sur la sélection (18 variables suffisent, ce qui évite de saisir 27 valeurs de plus) est directement exploitable pour concevoir un outil léger.

Des fusions simples et comparées. Trois méthodes sont testées, et la plus simple (moyenne des scores) est la meilleure ou aussi bonne que les autres. C'est un résultat honnête, qui évite la complexité inutile. Les auteurs précisent aussi que d'autres variantes (maximum, minimum, calibration) n'ont pas aidé.

Transparence sur les données et l'éthique. L'étude est enregistrée (NCT05423847), approuvée par un comité d'éthique, avec consentement écrit de chaque participant. Les données sont accessibles pour la recherche sous accord d'utilisation via Hugging Face. L'équipementier (Butterfly) déclare ne pas avoir participé au financement, à la collecte, à l'analyse ni aux conclusions ; le financement vient de l'Union européenne (EDCTP3), de la Suisse et de la Ligue suisse contre les maladies pulmonaires.

Ce qui est moins bien

Un test minuscule, et un gain non établi (métrique trompeuse). 101 patients dont 43 tuberculeux : les intervalles de confiance sont larges et le gain de 4 points d'AUROC ne franchit pas le seuil de significativité (p = 0,10). Il faut aussi noter que le seuil de décision est calé sur le développement, et que les performances opérationnelles (sensibilité 0,93, spécificité 0,76) reposent sur très peu de cas.

Un seul hôpital, aucune validation externe (biais de population). Les 502 patients viennent d'un centre de référence de la tuberculose à Cotonou : prévalence élevée (45 % dans la cohorte), patients adressés pour symptômes respiratoires, un seul type de sonde. Rien ne garantit que le modèle fonctionne dans un centre de santé de premier recours, avec un autre opérateur ou une autre prévalence. Les auteurs ne rapportent pas de validation externe, et aucun code n'est mentionné.

Une définition des cas qui change et des variables potentiellement entremêlées avec la référence (fuite d'information et étiquettes bruitées). Les patients « diagnostiqués cliniquement » sont comptés positifs : ce diagnostic a pu être posé à partir des symptômes et de l'imagerie mêmes que le modèle utilise, ce qui peut rendre les variables cliniques artificiellement prédictives. Le papier n'analyse pas ce point. De plus, cette définition diffère de celle du travail précédent sur la même cohorte (qui ne comptait que les cas confirmés bactériologiquement, AUROC 0,91), ce qui complique toute comparaison. Enfin, l'étude ne décrit pas de section dédiée aux limites et ne précise pas explicitement que la répartition est faite au niveau du patient.

Ce que ça change

Pour la communauté de recherche. Le papier fournit un cadre de comparaison utile (échographie seule, clinique seule, fusion) et un jeu de données accessible. Il faudra un échantillon plus grand, plusieurs sites, et si possible une évaluation prospective où le modèle est figé avant d'être testé.

Pour les cliniciens. Rien ne change aujourd'hui : c'est un preprint, non relu par des pairs, sans validation externe. L'enseignement pratique est surtout que quelques informations de consultation (poids, fièvre, sueurs, antécédents, statut VIH) semblent compléter l'image, ce qui rappelle que l'algorithme ne remplace pas l'anamnèse.

Pour les patients et le public. L'échographie pulmonaire assistée par IA pourrait un jour faciliter le tri dans des zones sans radiologue, mais ce n'est pas encore un outil validé. Un résultat positif de tri n'est pas un diagnostic : il oriente vers un test de confirmation.

Pour aller plus loin

Preprint : arXiv:2610.06034 (déposé le 5 octobre 2026, version 1, non relu par des pairs). Auteurs : Joshua M. Jansen van Vüren, Christiaan M. Geldenhuys, Devendra S. Parihar, Véronique Suttels, Trevor Brokowski, Ablo P. Wachinou, Mary-Anne Hartley, Rensu P. Theart, Grant Theron et Thomas R. Niesler. Jeu de données : AI-POCUS-COP/ultrai-lung-ultrasound sur Hugging Face (accord d'utilisation requis). Étude clinique : NCT05423847. Travail voisin du même groupe : arXiv:2610.03290 (pré-entraînement échocardiographique pour l'échographie pulmonaire).

Transparence éditoriale : cet article a été produit avec l'aide d'outils d'intelligence artificielle à partir du texte du preprint ; chaque chiffre provient du papier, hormis les conversions pour 1 000 patients, calculées par la rédaction. Les versions anglaise, espagnole et chinoise sont des traductions automatiques.