Transformer les modèles épidémiologiques en outils d’aide à la décision

L'utilité des modèles épidémiologiques pour comprendre, anticiper et maîtriser la propagation d'agents pathogènes n'est plus à démontrer. Néanmoins, pour qu'un modèle soit réaliste et produise des connaissances pertinentes, il peut s’avérer complexe (multiples processus en interaction, nombreux scénarios d'intérêt à explorer, et sorties réalistes variées) tout en restant relativement générique. Il est donc difficilement utilisable tel quel pour une aide à la décision sur le terrain. Construire des outils d'aide à la décision (OAD) à partir de tels modèles est un enjeu important pour la gestion de la santé ou l'appui aux politiques publiques. L'équipe DYNAMO de BIOEPAR a développé une chaîne logicielle (EMULSION-PASTE) qui permet de co-construire les OAD associés à des modèles épidémiologiques, à partir d'une description textuelle des composants souhaités par les utilisateurs, via des méthodes d'intelligence artificielle et de génie logiciel (représentation des connaissances, architectures de simulation, génération de code). Les utilisateurs finaux des outils peuvent ainsi participer à la spécification des OAD, vérifier les hypothèses et les scénarios retenus, modifier à tout moment les caractéristiques des modèles et des outils : la chaîne EMULSION-PASTE permet de (ré)générer un outil web prêt à être déployé sur un serveur.

Fig. 1. La chaîne EMULSION-PASTE. EMULSION permet la co-construction des modèles lisibles dans le cadre de travaux académiques (1e ligne). De façon similaire, PASTE permet de co-construire les spécifications d'un outil web reposant sur un modèle épidémiologique (2e ligne), puis de générer automatiquement le code web nécessaire pour la saisie des paramètres propres à une situation concrète et des scénarios à comparer, pour lancer les calculs, puis traiter les données de sortie et afficher des sorties d'intérêt pour l'utilisateur (3e ligne).
Auteur : Sébastien Picault
Licence : CC-BY

Contexte et enjeux

Le développement de modèles épidémiologiques réalistes pour comparer des stratégies de maîtrise des maladies est complexe. Nous avons développé récemment des solutions innovantes reposant sur des méthodes d'intelligence artificielle pour faciliter l'écriture de tels modèles. Le logiciel open source EMULSION permet ainsi de décrire sous forme d'un texte structuré les composants d'un modèle épidémiologique, avec très peu ou pas de code informatique, ce qui permet une co-construction avec des scientifiques non modélisateurs. Néanmoins, un modèle académique reste un objet difficilement utilisable de façon directe : destiné à la production de connaissances et à l'exploration de très nombreuses situations, il mobilise en général bien plus de paramètres, conditions initiales, et sorties que nécessaire pour sa mise en œuvre dans des situations concrètes particulières. Inversement il faut pouvoir le rendre spécifique aux cas d’usage visés. Le projet de prématuration ATOM (2020-2021) financé par la DPTI d'INRAE visait à combler ce manque en automatisant la construction d'outils d'aide à la décision (OAD) web à partir de modèles épidémiologiques.

Résultats

Nous avons défini un langage destiné à spécifier les caractéristiques des outils à construire à partir d'un modèle sous forme d'un texte structuré, très modulaire, lisible et révisable par les utilisateurs. Ce langage permet de lister les paramètres, y compris économiques, permettant d'adapter le modèle à un cas de terrain, les scénarios d'intérêt, les comparaisons entre scénarios, les sorties graphiques d'intérêt et les interventions jugées prioritaires. Cette spécification permet de générer automatiquement le code d'une application web correspondant à l'OAD souhaité. Le logiciel résultant, PASTE, a fait l’objet d’une publication et d’une diffusion open source. Nous avons validé cette approche via une preuve de concept sur la gestion des maladies respiratoires dans les lots de jeunes bovin de boucherie.

Perspectives

Ces méthodes sont mobilisées dans deux projets : DECIDE (H2020) qui vise une détection précoce et la priorisation d’interventions pour la maîtrise de maladies respiratoires et digestives non réglementées ; et SEPTIME (Carnot F2E) qui vise à co-construire un OAD de gestion des maladies respiratoires des bovins en recommandant des interventions à partir de données de capteurs en élevage et d’un modèle mécaniste. Ces travaux donnent lieu à  une collaboration méthodologique avec IMT Atlantique et l’Institut Agro Rennes-Angers, et thématique avec nos collègues européens : en particulier, construire un OAD à partir de modèles sur les maladies respiratoires porcines. Enfin, des phases d’évaluation des OAD sont prévues courant 2025 (en collaboration avec l’Idele dans le cadre du projet H2020).

Valorisation

Une DIRV a été déposée en 2023. PASTE est diffusé en open source depuis début 2024. Ces travaux ont été publiés dans le numéro spécial « Artificial Intelligence in Veterinary Epidemiology » de  Preventive Veterinary Medicine, visant un public en santé animale. Cet article présente aussi un exemple d’application à la transformation en OAD d’un modèle destiné à la gestion des maladies respiratoires bovines en contexte d’élevage engraisseur.

Picault S, Niang G, Sicard V, Sorin-Dupont B, Assié S, Ezanno P (2024) Leveraging artificial intelligence and software engineering methods in epidemiology for the co-creation of decision-support tools based on mechanistic models. Preventive Veterinary Medicine 228:106233. https://doi.org/10.1016/j.prevetmed.2024.106233
DIRV associée (déposée en 2023) : DIRV 23-0058 (« ATOM »)