Algorithme d’apprentissage profond basé sur le son de la toux pour une détection rapide et accessible de la maladie pulmonaire obstructive chronique avec un smartphone

Transformer une simple toux en indice de santé

Les maladies pulmonaires chroniques sont fréquentes, mais les outils pour les diagnostiquer exigent souvent une visite à l’hôpital, des appareils encombrants et du personnel formé. Cette étude explore une idée beaucoup plus simple : une courte toux volontaire enregistrée sur un smartphone ordinaire pourrait-elle aider à repérer les personnes susceptibles d’avoir une maladie pulmonaire obstructive chronique (BPCO) ? Si oui, des millions de personnes pourraient être dépistées rapidement et à faible coût, notamment dans les zones où l’accès aux spécialistes est limité.

Pourquoi la BPCO est difficile à détecter tôt

La BPCO est une maladie pulmonaire de longue durée qui rend la respiration difficile et constitue une cause majeure de morbidité et de mortalité dans le monde. Beaucoup de personnes atteintes ne savent pas qu’elles en sont porteuses, en partie parce que les symptômes initiaux peuvent être vagues et faciles à ignorer. Le test standard, la spirométrie, mesure la quantité d’air qu’une personne peut expulser, mais il nécessite du matériel spécialisé, du personnel entraîné et un patient coopératif. Ces exigences limitent son déploiement, en particulier chez les personnes âgées et dans les cliniques aux ressources restreintes.

Écouter attentivement le son d’une toux

Les scientifiques ont appris que les problèmes pulmonaires modifient subtilement la voix et le son de la toux. Des voies aériennes rétrécies, l’inflammation et un excès de mucus influent tous sur la façon dont l’air circule dans la poitrine et la gorge. Des travaux antérieurs ont montré que de simples programmes informatiques pouvaient détecter des motifs associés à des maladies comme la BPCO, la pneumonie et la tuberculose. Cependant, ces méthodes plus anciennes reposaient sur des caractéristiques sonores sélectionnées manuellement et sur de petits jeux de données, ce qui limitait leur efficacité en conditions réelles.

Conception de l’outil Cough Search pour smartphone

Les auteurs ont créé un système basé sur smartphone appelé Cough Search qui écoute des toux volontaires et décide si elles proviennent plutôt d’une personne atteinte de BPCO ou non. D’abord, un module de contrôle de qualité filtre les sons inutilisables tels que le raclement de gorge, le bruit de fond ou les toux incomplètes. Les rafales de toux restantes sont converties en cartes sonores colorées appelées spectrogrammes, qui montrent la répartition de l’énergie sonore dans le temps et en fréquence. Ces spectrogrammes sont ensuite envoyés à un puissant modèle d’apprentissage profond basé sur la technologie des transformeurs, entraîné à repérer les motifs distinctifs entre toux liées à la BPCO et toux non liées à la BPCO.

Tester l’outil dans des hôpitaux et des cliniques

L’équipe a entraîné et ajusté le système sur des enregistrements de toux de plus de 2 800 adultes dans un grand hôpital de Shanghai, puis l’a testé de manière prospective dans quatre hôpitaux, y compris des centres de niveau district. Au total, 722 personnes du groupe de test externe ont été incluses, 105 avec une BPCO confirmée et 617 sans. Comparé aux diagnostics cliniques standard basés sur l’expertise et les tests respiratoires, Cough Search a correctement distingué la BPCO du non-BPCO la plupart du temps. Il a atteint une aire sous la courbe de 0,94, avec environ 92 % de sensibilité (détecter les personnes réellement atteintes de BPCO) et 86 % de spécificité (éviter les faux positifs) dans le groupe externe, et des résultats similaires lors des tests internes.

Performance selon les personnes et les appareils

Les chercheurs ont vérifié si l’outil se comportait équitablement selon l’âge, le sexe, les antécédents tabagiques et le stade de la maladie. Les performances étaient meilleures chez les personnes atteintes d’une BPCO plus sévère, la sensibilité dépassant 91 % pour les stades avancés et restant élevée pour les formes modérées. Le modèle a fonctionné sur différentes marques de smartphones et tant dans des hôpitaux de premier plan que dans des hôpitaux de district. Des disparités subsistaient toutefois : la précision était légèrement moindre chez les personnes âgées, les femmes et celles aux tout premiers stades de la maladie, et certaines autres affections pulmonaires, comme les bronchiectasies, pouvaient encore perturber le système. Les analyses des caractéristiques internes du modèle ont montré qu’il s’appuyait principalement sur des fenêtres temporelles spécifiques et des parties de la toux à basse fréquence, ce qui correspond aux connaissances cliniques sur la façon dont la BPCO modifie le flux d’air.

Ce que cela pourrait signifier pour les soins quotidiens

En termes simples, l’étude montre qu’une toux rapide dans un smartphone peut fournir un signal étonnamment fiable sur la probabilité qu’une personne ait une BPCO, surtout lorsque la maladie est modérée ou sévère. Bien que cet outil ne remplace pas une évaluation médicale complète ou des tests respiratoires détaillés, il pourrait servir de premier dépistage facile dans les cliniques de proximité, les pharmacies ou à domicile. Employé ainsi, Cough Search pourrait contribuer à réduire le long délai entre les premiers symptômes et un diagnostic affirmé, offrant aux patients une meilleure chance de prendre en charge leur santé pulmonaire plus tôt.

Citation: Zhou, J., Huang, J., Wang, Q. et al. A cough sound-based deep learning algorithm for accessible prompt detection of chronic obstructive pulmonary disease with smartphones. npj Prim. Care Respir. Med. 36, 32 (2026). https://doi.org/10.1038/s41533-026-00486-6

Mots-clés: BPCO, analyse de la toux, dépistage sur smartphone, apprentissage profond, santé respiratoire