Une étude conclut que l’IA pourrait réduire le coût du dépistage de la tuberculose dans les zones rurales des Philippines

Une étude menée par des chercheurs de l’Ateneo suggère que l’intelligence artificielle pourrait rendre le dépistage de la tuberculose moins coûteux dans les régions rurales des Philippines, où l’accès aux médecins spécialistes reste limité. Ses conclusions ne justifient pas une adoption immédiate à l’échelle nationale, mais plaident en faveur d’essais ciblés dans les communautés qui peinent à obtenir des services de radiologie dans des délais raisonnables.

L’étude, rapportée par medicalxpress.com, a examiné l’intérêt économique de l’utilisation de l’IA pour interpréter les radiographies thoraciques réalisées dans le cadre du dépistage de la tuberculose. Les résultats ont été publiés dans le numéro d’août 2026 de BMC Health Services Research par Harold Henrison Chiu, Bryan Christopher Lao et Gloanne C. Adolor.

La tuberculose constitue un enjeu majeur de santé publique aux Philippines. L’Organisation mondiale de la santé a estimé que 739 000 personnes dans le pays avaient développé la maladie en 2024. Cela représentait 6,8 % des 10,8 millions de cas de tuberculose recensés dans le monde cette année-là.

Un diagnostic précoce peut permettre de commencer le traitement avant que la maladie ne s’aggrave ou n’entraîne des dommages permanents. Pourtant, les patients vivant dans des zones géographiquement isolées peuvent se heurter à plusieurs obstacles, même après avoir atteint un établissement capable de réaliser une radiographie. Un radiologue ou un service de téléradiologie peut ne pas être disponible rapidement, obligeant les patients à effectuer un nouveau déplacement, à dépenser davantage ou à perdre du temps de travail. Les retards peuvent également interrompre le processus de suivi des soins.

Ce que le modèle a comparé

Les chercheurs ont élaboré un modèle décisionnel autour d’un groupe hypothétique de 1 000 patients soupçonnés d’être atteints de tuberculose. Il a été supposé que chaque patient subirait une radiographie thoracique dans une unité de santé rurale, et l’analyse a suivi les coûts et les résultats projetés sur cinq ans.

La comparaison portait sur deux approches : l’interprétation assistée par l’IA et la lecture manuelle conventionnelle. Les chercheurs ont pris en compte le prix du logiciel d’IA, les coûts de fonctionnement, les honoraires d’interprétation des radiologues et les tests de confirmation GeneXpert. Ces derniers restent nécessaires, car l’évaluation d’une radiographie assistée par l’IA ne permet pas à elle seule d’établir un diagnostic définitif de tuberculose.

Selon les principales hypothèses de l’étude, l’approche assistée par l’IA coûterait environ 877 330 Php par an pour le groupe de 1 000 personnes. Le coût de l’interprétation manuelle a été estimé à environ 1,14 million de Php. Par patient, les montants s’élevaient ainsi à environ 877 Php avec l’assistance de l’IA et 1 142 Php avec une lecture manuelle.

Le modèle a donc conclu que la stratégie faisant appel à l’IA était l’option la moins coûteuse. L’argument des chercheurs va toutefois au-delà d’une simple comparaison des frais de logiciel et des honoraires professionnels. Dans les endroits où l’expertise spécialisée est rare, l’IA pourrait permettre de rendre le soutien radiologique accessible plus près des patients, plutôt que d’obliger chaque image à attendre l’avis d’un expert éloigné.

Pourquoi les conditions locales sont importantes

Le bénéfice potentiel dépend largement de la manière dont la technologie est introduite. Les chercheurs ont indiqué que l’IA pourrait être intégrée aux programmes existants de lutte contre la tuberculose grâce à des équipements de radiographie numérique portables et à des systèmes capables de fonctionner avec une connectivité internet limitée. Un tel dispositif pourrait apporter le dépistage dans les communautés mal desservies et réduire les barrières géographiques qui compliquent le diagnostic.

Les résultats n’étaient pas uniformément favorables selon les hypothèses retenues. Lorsque l’analyse appliquait des honoraires moins élevés pour l’interprétation manuelle ou la téléradiologie, ou des estimations des performances diagnostiques issues d’un contexte philippin, l’IA restait plus efficace, mais n’était pas toujours l’option la moins coûteuse.

Cette conclusion limite la portée de la comparaison des coûts mise en avant. L’étude repose sur une cohorte théorique de patients et sur des hypothèses concernant les dépenses et la précision diagnostique. Les résultats réels pourraient varier d’une unité de santé à l’autre en fonction des effectifs, de la connectivité, des équipements, des honoraires de lecture et des performances du système d’IA dans les conditions locales.

Les chercheurs ont également souligné que l’IA ne supprimerait pas la nécessité de réaliser des tests de confirmation. Une évaluation radiographique positive ou suspecte devrait toujours être suivie d’un test GeneXpert, ce qui ajouterait à la fois une dépense et une étape supplémentaire au parcours diagnostique.

Plaidoyer pour des projets pilotes soigneusement évalués

Plutôt que de recommander un déploiement immédiat à l’échelle nationale, l’étude préconise des projets pilotes dans certaines unités de santé rurales mal desservies. Ces essais pourraient vérifier si les économies et les bénéfices diagnostiques projetés se concrétisent en pratique courante, tout en permettant d’identifier des problèmes techniques ou opérationnels qui pourraient ne pas apparaître dans un modèle théorique.

L’approche proposée comprend une validation locale, une assurance qualité, un suivi continu et une évaluation des budgets disponibles. Ces garanties aideraient à déterminer si l’IA peut fonctionner de manière fiable au sein des services de lutte contre la tuberculose existants, plutôt que de devenir une initiative technologique distincte dont le soutien à long terme resterait incertain.

Pour les chercheurs, la question centrale n’est pas simplement de savoir si une machine peut égaler un radiologue ou l’aider. Il s’agit de déterminer si un soutien de niveau expert peut atteindre les communautés où les soins spécialisés sont rares, à un coût supportable pour les services de santé. En ce sens, l’étude présente l’IA comme un outil possible pour réduire les inégalités d’accès — mais seulement si son déploiement est guidé par des données locales et par les besoins des patients ruraux.