Les infections respiratoires représentent la principale cause de décès évitables chez l’enfant et aussi une cause majeure de mauvaise utilisation des antibiotiques. L’interprétation d’une auscultation pulmonaire est un examen subjectif variable selon l’examinateur et d’une faible précision (pas de nomenclature des sons auscultatoires).

Le “Pneumoscope”, ou “DeepBreath” (figure), est un outil capable de discriminer des signatures cliniques et diagnostiques à partir de “bruits pulmonaires” numériques pour les incorporer dans un stéthoscope intelligent multiparamétrique (ClinicalTrials.gov : NCT04528342).

Les algorithmes ont été dérivés d’auscultations pulmonaires numériques recueillies sur 133 patients âgés de 1 à 16 ans, vus en consultation externe et souffrant de maladies respiratoires aiguës (asthme n = 51 ; pneumonie n = 33 ; bronchiolite/bronchite n = 40), ainsi que sur 101 témoins sains au Brésil et à Genève. Pour chaque patient, plus de 11 heures de sons (8 sites thoraciques, 30 secondes pour chaque site) accompagnés de données cliniques, paracliniques, les diagnostics ont été enregistrés. Pour l’asthme, les résultats cliniques pendant un suivi de 30 jours ont également été enregistrés.

Les résultats de cette étude montrent que l’appareil peut dépister la dyspnée, calculer de manière fiable la fréquence respiratoire, et a une sensibilité et une spécificité de plus de 80 % pour discriminer automatiquement les sons pulmonaires pathologiques des sons sains, ainsi que pour identifier correctement l’asthme. Ces modèles égalent ou surpassent les analyses d’experts humains. Cet appareil permettra dans le futur de mieux standardiser l’évaluation des maladies respiratoires pédiatriques afin de guider la prise en charge clinique, d’améliorer le bon usage des antibiotiques et même d’automatiser les analyses pour le suivi à distance par le patient lui-même de pathologies chroniques comme l’asthme.

En conclusion, l’intelligence artificielle a le potentiel de mieux standardiser et d’améliorer l’interprétation de l’auscultation pulmonaire numérique. La principale limite de cet outil est l’existence de sons ambiants qui entraînent des erreurs de classification diagnostique.