Publié le 5 janvier 2026 20:06:00. Des chercheurs de l’UCSF ont mis au point une méthode combinant l’intelligence artificielle et un biomarqueur sanguin pour diagnostiquer avec une grande précision les infections pulmonaires graves, une avancée qui pourrait réduire considérablement l’utilisation abusive d’antibiotiques.
- Une nouvelle approche basée sur l’IA et un biomarqueur permet un diagnostic précis des infections pulmonaires dans 96 % des cas.
- Cette méthode pourrait réduire de plus de 80 % la prescription inutile d’antibiotiques chez les patients en soins intensifs.
- L’équipe de recherche met à disposition les « invites » d’IA utilisées pour encourager leur adoption par d’autres professionnels de santé.
Les infections pulmonaires, telles que la pneumonie, figurent parmi les principales causes de mortalité dans le monde. Cependant, leur diagnostic s’avère souvent complexe, en particulier chez les patients gravement malades. Une équipe de l’Université de Californie à San Francisco (UCSF) a annoncé une percée prometteuse qui pourrait changer la donne.
Les chercheurs ont développé une méthode innovante qui associe l’analyse générative par intelligence artificielle (IA) des dossiers médicaux à la détection d’un biomarqueur spécifique présent dans les échantillons de liquide pulmonaire. Ce biomarqueur est l’expression d’un gène, le FABP4, qui joue un rôle dans la réduction de l’inflammation. L’étude, publiée le 16 décembre dans Communications Nature, révèle que cette combinaison permet d’établir un diagnostic correct dans 96 % des cas.
L’étude observationnelle a été menée auprès de 157 adultes gravement malades, dont 98 recrutés avant la pandémie de COVID-19 (principalement atteints d’infections bactériennes) et 59 pendant la pandémie (majoritairement atteints d’infections virales, dont la COVID-19). Les résultats démontrent que le modèle combiné est plus précis que les diagnostics posés par les cliniciens des unités de soins intensifs pour distinguer les causes infectieuses et non infectieuses de l’insuffisance respiratoire.
Selon les auteurs, si ce modèle avait été disponible dès l’admission des patients, l’utilisation inappropriée d’antibiotiques aurait pu être réduite de plus de 80 %. « Nous avons conçu une méthode qui donne des résultats beaucoup plus rapidement qu’une culture, et elle pourrait être facile à mettre en œuvre en clinique », explique Chaz Langelier, professeur agrégé de médecine et auteur principal de l’étude. « Nous sommes convaincus que cela pourrait conduire à un diagnostic plus rapide et réduire l’utilisation inutile d’antibiotiques. »
Le biomarqueur FABP4, développé par l’équipe de Langelier en 2023, est un élément clé de cette avancée. Les chercheurs ont découvert que ce gène, qui tempère l’inflammation, est moins exprimé dans les cellules pulmonaires infectées que dans les cellules saines, ce qui en fait un indicateur précieux pour le diagnostic des infections.
Pour évaluer l’efficacité de leur approche, les chercheurs ont d’abord testé chaque méthode de diagnostic séparément (le biomarqueur FABP4 seul ou l’IA seule) et ont constaté que chacune était correcte environ 80 % du temps. Ils ont ensuite comparé les résultats du modèle combiné aux diagnostics initiaux posés par les médecins.
Une analyse comparative a également été réalisée entre les performances de l’IA et celles de trois médecins spécialistes en médecine interne et en maladies infectieuses. L’IA et les médecins ont obtenu un nombre similaire de diagnostics corrects, mais des différences notables ont été observées dans leur approche. L’IA a accordé plus d’importance aux rapports de radiologie des radiographies pulmonaires, tandis que les médecins se sont davantage concentrés sur les notes cliniques.
« Cela montre presque une différence culturelle, si l’on peut dire cela d’une IA. Cela montre comment l’IA peut compléter le travail des médecins. »
Natasha Spottiswoode, MD, DPhil, professeur adjoint de médecine
L’équipe a mis à disposition les « invites » d’IA utilisées dans l’étude, encourageant ainsi les autres professionnels de santé à les tester sur leurs propres plateformes d’IA conformes à la loi HIPAA (Health Insurance Portability and Accountability Act). « L’utilisation est incroyablement simple, vous n’avez pas besoin d’être un bioinformaticien », précise Hoang Van Phan, bioinformaticien et premier auteur de l’article.
Les chercheurs prévoient de valider ce modèle en tant que test clinique et d’étendre son application à d’autres pathologies graves, telles que la septicémie, première cause de décès à l’hôpital et également difficile à diagnostiquer.
Auteurs: Emily Lydon, MD, Carolyn Calfee, MD, MAS, Victoria Chu, MD, MPH, Adolfo Cuesta, MD, PhD, Alexander Kazberouk, MD, MBA, Natalie Richmond, MD, et Padmini Deosthale, MS, tous de l’UCSF, ont également contribué à cette étude.
Financement: Ce travail a été soutenu par les National Institutes of Health (R01AI185511, NHLBI R35HL140026) et le Chan Zuckerberg Biohub.
Divulgations: Aucun des auteurs n’a déclaré de conflits d’intérêts financiers ou personnels.