Smartphone Malaria – SMMALA

Dans la perspective actuelle d'élimination mondiale du paludisme, la recherche d'outils diagnostics plus sensibles est un élément-clé de la lutte contre la maladie. Des techniques alternatives de diagnostic microscopique automatisé, basées sur des algorithmes d'analyse d'images par deep learning émergent, et une voie récente prometteuse est le développement d'applications de diagnostic sur smartphones. Néanmoins, les solutions actuelles atteignent une sensibilité de l’outil équivalente à celle atteinte par un microscopiste. L'idée originale de cette étude repose également sur une approche par deep learning, mais nous proposons un nouveau paradigme d’apprentissage permettant d’augmenter considérablement la sensibilité de l’outil. Un financement préliminaire nous a permis d’établir la preuve de concept en testant notre hypothèse sur des données de terrain du Bénin. Les objectifs de l’étude sont maintenant d’augmenter les performances de notre algorithme, puis d'implanter l'outil dans une application smartphone qui sera testée et validée sur le terrain au Bénin