La tuberculose demeure toujours un problème majeur de santé publique qui nécessite plus d’efforts pour atteindre l’objectif de l’Organisation mondiale de la santé d’éradiquer la maladie d’ici 2030–2035. L’amélioration du diagnostic de cette maladie est l’un des principaux axes de la lutte contre cette épidémie. Il est ainsi nécessaire de développer de nouveaux moyens de diagnostic qui soient à la fois très performants et peu coûteux, étant donné que les pays les plus touchés sont les pays à faibles revenus. Dans cet objectif, nous avons à travers cette étude, couplé la simplicité des données de la formule numéraire sanguine (FNS) avec la puissance des outils d’apprentissage automatique pour développer des algorithmes d’intelligence artificielle d’aide au diagnostic de la tuberculose.

Les données de la NFS et les données sociodémographiques ont été obtenues auprès de patients diagnostiqués d’une tuberculose (pulmonaire ou extra-pulmonaire) au niveau du SCTMR d’Essenia (Oran, Algérie) et de témoins en bonne santé recrutés au niveau du service de médecine de travail dans le cadre de leur bilan de pré-embauche. Après avoir anonymisé les données des participants, l’ensemble du jeu de données a été divisé en deux parties : 75 % pour l’apprentissage des modèles et 25 % pour tester les performances. De multiples modèles d’apprentissage automatique supervisés (SVM, régression logistique avec ou sans régularisation, KNN, Random Forest, LDA) ont été utilisées pour différencier avec précision les patients atteints de tuberculose des témoins sains.

Les données de 19 variables (dont 17 paramètres sanguins de la NFS en plus du sexe et de l’âge) de 199 patients atteints de tuberculose et de 212 témoins sains ont été incluses dans l’analyse finale. Après avoir utilisé plusieurs méthodes, les modèles SVM (polynomial), Random Forest et Régression logistique régularisée (Ridge) ont obtenu les meilleurs résultats en termes de précision (85,2 %, 85,2 % et 84,2 %, respectivement), tout en maintenant un bon équilibre entre la sensibilité (83,7 %, 81,6 % et 81,6 %, respectivement) et la spécificité (86,8 %, 88,7 % et 86,8 %, respectivement). Les trois variables les plus importantes dans les deux premiers modèles étaient le rapport plaquettes/lymphocytes, le taux d’hémoglobine et l’hématocrite.

L’efficacité de ces modèles pourrait être encore améliorée et validée en élargissant la base de données, ce qui constituerait un outil d’aide au diagnostic utile et très peu-couteux qui permettrait d’améliorer la performance des outils de diagnostic de la tuberculose actuellement disponibles notamment lorsque ces derniers s’avèrent non concluants.