AI_r

L’initiative AIrSynQ s’attaque aux lacunes critiques dans la surveillance de la santé publique et de la santé au travail en se concentrant sur l’intersection de la qualité de l’air, de la santé respiratoire des individus et des conséquences plus larges du changement climatique. Les méthodes traditionnelles traitent souvent les conditions environnementales et les marqueurs de la santé humaine comme des domaines distincts, négligeant l’interaction dynamique entre ces facteurs. Les implications de cette supervision sont importantes, car la mauvaise qualité de l’air est directement corrélée aux risques pour la santé respiratoire et cardiovasculaire, tandis que le changement climatique amplifie ces risques, en particulier parmi les communautés vulnérables.

AIrSynQ combine de manière innovante la technologie IoT, l’analyse avancée de l’air expiré et l’intelligence artificielle pour créer un système complet qui surveille et prédit en temps réel les répercussions de la qualité de l’air sur la santé. En analysant à la fois la qualité de l’air ambiant et l’air expiré, il identifie des polluants ou des toxines spécifiques qui peuvent présenter des risques pour la santé. Cette approche personnalisée facilite la détection précoce des problèmes de santé, permettant des interventions en temps opportun pour les individus comme pour les communautés.

Par ailleurs, AIrSynQ répond au besoin urgent de quantifier et de prédire les implications du changement climatique pour la santé. Contrairement aux outils traditionnels de surveillance environnementale, qui sont dépourvus de capacités prédictives, AIrSynQ exploite des modèles d’IA avancés pour prévoir les risques pour la santé, et offre des informations précieuses aux législateurs, aux professionnels de la santé et aux industries. Son déploiement dans les cliniques, les écoles, les hôpitaux et les industries telles que l’exploitation minière assure un large impact, améliorant la santé publique et la sécurité au travail tout en contribuant à la planification de la résilience sanitaire à long terme face à l’évolution des défis environnementaux.

Intégrer la santé environnementale et le bien-être des individus est un défi de longue date dans les domaines de la surveillance de la santé publique et de la santé au travail. Les méthodes traditionnelles traitent souvent ces deux domaines comme des dimensions distinctes, omettant l’interaction entre l’exposition des individus aux polluants et la qualité de l’air plus large. Le projet AIrSynQ a entrepris de combler cette lacune grâce à son système AI_r, en s’attachant à exploiter l’IA et l’IoT pour surveiller et prédire la qualité de l’air. Il reste toutefois un fossé important dans la lutte contre les conséquences directes de la qualité de l’air sur la santé humaine et la façon dont le changement climatique exacerbe ces risques pour la santé.

Éléments manquants majeurs. Le projet AI4PEP en cours a déployé avec succès le système AI_r, en utilisant des capteurs de qualité de l’air rentables et des communications IoT pour surveiller la qualité de l’air. Malgré ses avancées, le projet doit encore : incorporer l’analyse du souffle pour corréler directement les conditions environnementales avec les marqueurs de santé humaine ; explorer l’évolutivité de l’intégration des données environnementales à grande échelle avec les données de santé humaine ; exploiter pleinement le potentiel prédictif de l’IA pour prédire les risques pour la santé en fonction des changements environnementaux, en particulier ceux induits par le changement climatique ; développer des outils pour les cliniciens, le public et les législateurs, comme des tableaux de bord et des applications. Toutes ces lacunes doivent être comblées avant de déployer des systèmes comme celui proposé ici dans les cliniques, les hôpitaux, etc.

Objectifs. Le but de l’initiative AIrSynQ est d’améliorer la surveillance de la santé publique et de la santé au travail en : développant un cloud dédié à la qualité de l’air alimenté par l’IA  qui intègre la surveillance de la qualité de l’air ambiant à une analyse avancée de l’air expiré ; utilisant l’IoT et l’IA pour offrir une vue complète des éléments chimiques présents dans l’air environnant et dans l’air que nous expirons ; évaluant les conséquences du changement climatique sur la santé publique grâce à l’analyse prédictive. Le système sera intégré au flux clinique grâce à une alliance avec les parties prenantes gouvernementales avec qui se fera le déploiement dans les cliniques, les hôpitaux, les écoles et d’autres établissements publics. Le système sera également proposé aux industries pour surveiller la santé au travail afin de prendre des décisions pour prévenir l’épuisement des travailleurs, réduire les accidents du travail et améliorer la productivité du personnel.

Technologies. AIrSynQ intégrera d’autres technologies rentables en plus d’exploiter celles qui ont fait le succès d’AI_r. Parmi elles, l’IoT (Nordic Semiconductor) pour collecter des données en temps réel avec des capteurs environnementaux (Sensirion), des appareils d’analyse du souffle (Clarinet de Healthmetryx) et des microphones standard. Dans le domaine de l’IA, il utilisera des modèles d’apprentissage automatique avancé, dont des réseaux neuronaux récurrents (RNN) et des réseaux convolutifs sur graphe (GCN). Cette suite de modèles sera exploitée pour la modélisation prédictive et la détection précoce des risques pour la santé. L’apprentissage fédéré permettra quant à lui un traitement décentralisé des données, garantissant la confidentialité et l’évolutivité. Des outils de développement d’applications rentables seront exploités pour générer une interface numérique durable avec le public.

Méthodologie. La méthodologie s’articule autour de trois éléments intégrés, chacun conçu pour analyser de manière synergique les risques pour la santé liés à la qualité de l’air :

Infrastructure IoT alimentée par l’IA pour la collecte et le traitement des données. Pour répondre à nos besoins étendus en matière d’analyse de données, nous construisons une infrastructure Internet des objets (IoT) robuste qui soit capable de collecter et de traiter des données provenant de capteurs environnementaux et d’analyseurs de souffle. Cette infrastructure alimentée par l’IA est cruciale pour gérer efficacement des volumes de données importants, afin de pouvoir surveiller et analyser en temps réel la qualité de l’air et ses conséquences sur la santé publique.

Détection précoce grâce à l’intelligence artificielle. Nous déploierons des RNN pour modéliser efficacement les données séquentielles et spatiales. Ils permettront d’identifier rapidement les risques pour la santé en analysant les tendances des données sur la qualité de l’air au fil du temps et à différents endroits. Les RNN sont particulièrement adaptés à cette tâche en raison de leur capacité à traiter et à mémoriser les informations issues d’entrées antérieures. C’est pour cette raison qu’ils sont idéalement adaptés pour détecter les schémas qui indiquent des dangers pour la santé. La méthodologie comprend l’utilisation de réseaux récurrents spatio-temporels pour saisir la dynamique complexe entre les données géographiques, temporelles et liées à la santé. Cette approche améliore notre capacité à prédire avec précision les risques pour la santé en comprenant comment ces variables interagissent au fil du temps, offrant une approche plus nuancée et ciblée de la surveillance de la santé.

Intégration de données cliniques et environnementales. L’utilisation de l’intelligence artificielle pour fusionner différents ensembles de données, dont des données épidémiologiques et environnementales, est l’un des aspects les plus importants de notre méthodologie. Cette intégration permet une évaluation complète des risques pour la santé, en corrélant les données sur la qualité de l’air avec les résultats pour la santé afin d’enrichir le modèle prédictif avec des informations cliniques précieuses, augmentant ainsi sa fiabilité et son applicabilité.

Résultats attendus. En intégrant ces méthodologies, notre but est de redéfinir les normes en matière d’évaluation des risques pour la santé et de modélisation prédictive, en relevant les défis posés par les facteurs environnementaux sur la santé publique et la santé au travail. Pour cela, les livrables des projets proposés sont :

1. Un système complet qui offre une surveillance en temps réel à la fois de la qualité de l’air ambiant et de la santé respiratoire humaine. Ce système comprend des applications.
2. Informations prédictives sur les conséquences des changements environnementaux, notamment le changement climatique, sur la santé publique.
3. Amélioration des capacités de détection précoce des risques pour la santé publique et la santé au travail en permettant une intervention rapide.
4. Déploiement dans les écoles, les cliniques, les hôpitaux et autres espaces publics, et les industries, comme le secteur minier.

Applications prévues.  Avec le déploiement, nous ciblons les applications suivantes :

1. Surveillance de la santé publique : AIrSynQ offrira des capacités de suivi et d’atténuation des risques pour la santé associés à la qualité de l’air, au profit des organisations de santé publique et des législateurs.
2. Santé au travail : les entreprises et les industries pourront utiliser AIrSynQ pour surveiller en temps réel la qualité de l’air sur le lieu de travail, assurant ainsi la santé et la sécurité de leurs employés.
3. Recherche sur le changement climatique : en analysant l’intersection de la qualité de l’air, de la santé respiratoire et des données climatiques, AIrSynQ apportera des informations précieuses sur les effets à long terme du changement climatique sur la santé publique.

La mise à disposition et le déploiement du système AIrSynQ sont essentiels pour entrainer de vastes retombées, ce qui est possible grâce au trinôme RECHERCHE / INNOVATION / DÉPLOIEMENT. Le déploiement établit la ligne de démarcation entre un projet avec validation de principe et un projet qui a le potentiel de changer la vie de communautés et de pays entiers. L’AI for Health Alliance en Afrique du Sud rendra cela possible. Cette alliance comprend deux départements (Ministères), Science et Innovation et Santé, ainsi que des organismes de recherche, comme le SA Medical Research Council, la National Research Foundation avec sa plateforme d’innovation technologique en IA. Le ministère de la Santé fournira des données cliniques et un accès aux cliniques pour les tests et le déploiement dans le système de santé publique. Le ministère de l’Éducation, qui est déjà un partenaire de l’Alliance, fournit d’ores et déjà l’accès au système AI_r aux écoles de la province de Gauteng.

Le système AIrSynQ proposé apporte une approche transformatrice à la surveillance de la santé publique et de la santé au travail en offrant une valeur inégalée par rapport aux solutions existantes. Les offres actuelles du marché se concentrent souvent sur la surveillance de la qualité de l’air ambiant ou sur des évaluations de la santé humaine, avec une intégration limitée entre ces domaines. Par ailleurs, la plupart des solutions disponibles sont peu abordables et dépourvues de capacités prédictives et de l’aptitude à donner des informations sur la santé personnalisées, en temps réel et liées aux conditions environnementales.

AIrSynQ est le seul à pouvoir combler ces lacunes. Son intégration de technologies rentables d’IoT, d’analyse avancée du souffle et d’intelligence artificielle de pointe crée un système complet alimenté par l’IA qui est accessible à un public plus large, notamment les milieux dont les ressources sont restreintes. Contrairement aux systèmes traditionnels, AIrSynQ surveille non seulement la qualité de l’air ambiant, mais il analyse également l’air expiré pour identifier les polluants spécifiques et les risques pour la santé au niveau individuel. Cette double capacité permet de détecter de façon précoce les risques pour la santé et offre la possibilité aux utilisateurs de prendre des mesures éclairées en temps opportun.

Par ailleurs, AIrSynQ étant abordable, il se distingue des solutions existantes qui sont onéreuses et donc souvent inaccessibles pour les écoles, les cliniques et les industries des régions à revenu faible et intermédiaire. En exploitant une infrastructure IoT évolutive et des algorithmes d’IA avancés mais rentables, ce système propose une alternative durable et à fort impact aux outils conventionnels pour la surveillance de la santé.

Les capacités prédictives d’AIrSynQ amplifient encore sa valeur. En utilisant des modèles d’IA avancés comme des réseaux neuronaux récurrents (RNN) et des réseaux convolutifs sur graphe (GCN), le système peut prévoir les risques pour la santé liés aux changements environnementaux, dont ceux découlant du changement climatique. Cette fonctionnalité tournée vers l’avenir étant largement absente des solutions existantes, AIrSynQ est donc un outil essentiel pour une planification et une intervention proactives en matière de santé.

AIrSynQ se démarque sur un marché qui manque de solutions rentables, intégrées et basées sur l’IA. Abordable, avec ses capacités complètes et ses informations prédictives, il change la donne en améliorant la résilience de la santé publique et de la santé au travail dans différents milieux.