Le triage des alertes piloté par l’IA avec DHIS2 transforme la surveillance des maladies en Tanzanie

La Tanzanie, un pays de près de 65 millions d’habitants, est confrontée à des défis persistants en matière de santé publique en raison de la diversité de sa géographie, de la répartition de sa population et de la prévalence des maladies transmissibles et non transmissibles. Bien que le pays ait accompli des progrès considérables dans le renforcement de son système de santé, les épidémies de choléra, de virus de Marburg, d’anthrax et d’autres maladies à caractère épidémique restent très préoccupantes, en particulier dans les régions à haut risque. La détection et la réaction rapides aux menaces potentielles pour la santé sont essentielles pour un contrôle et une prévention efficaces des maladies. Au fil des ans, le ministère tanzanien de la santé, avec le soutien de partenaires tels que les Centers for Disease Control and Prevention (CDC) des États-Unis et le site Organisation Mondiale de la Santé (OMS), s’est efforcé de moderniser ses systèmes d’information sanitaire afin d’améliorer la surveillance, la détection précoce et l’intervention en temps utile en cas de menaces pour la santé publique.

En 2021, avec le soutien du CDC, le ministère tanzanien de la santé a lancé son système électronique intégré de surveillance et de réponse aux maladies (e-IDSR) basé sur DHIS2 afin d’alerter les équipes de santé en cas d’épidémie. Cet effort a stimulé la collecte de données et a permis l’établissement de rapports et d’analyses en temps réel, améliorant ainsi de manière significative la capacité de la Tanzanie à surveiller les épidémies et à y répondre. En 2022, l’e-IDSR était entièrement mis en œuvre, et il s’est avéré crucial pour les efforts de détection et d’endiguement rapides de la Tanzanie lors de l’épidémie de la maladie à virus de Marburg en 2023. Fort de ce succès, le ministère de la santé a ensuite introduit un système de surveillance basé sur les événements (EBS) qui complète l’e-IDSR en collectant des données non structurées provenant de la communauté – telles que les messages SMS envoyés par le public concernant des cas potentiels de maladie (connus sous le nom de « rumeurs » ou « alertes ») – dans un programme du DHIS2 où elles peuvent être triées et signalées pour un suivi. Le système EBS offrait plusieurs améliorations importantes en matière de surveillance des maladies, mais le triage manuel des alertes est rapidement devenu un goulot d’étranglement dans le système, en raison du volume élevé de rumeurs soumises et des ressources humaines limitées pour les traiter.

Pour relever ce défi, le ministère de la santé, en collaboration avec le laboratoire DHIS2 de l’université tanzanienne de Dar es Salaam (UDSM) et ses partenaires internationaux, a mis au point un système de triage des rapports alimenté par l’IA afin de permettre une surveillance plus rapide et plus efficace basée sur les événements. Cette innovation a considérablement amélioré la rapidité et l’efficacité du traitement de ces alertes, réduisant le temps moyen de triage de 36 heures à presque instantané, et traitant avec succès 85% des alertes qui n’avaient pas été triées auparavant.

Transformer la surveillance de la santé publique en Tanzanie

La surveillance basée sur les événements (EBS) est une approche proactive de la santé publique qui comprend la collecte, l’analyse et l’interprétation d’événements liés à la santé provenant de sources multiples, y compris les messages SMS concernant des cas de maladie suspectés ou observés, et les rapports des agents de santé communautaires. Le processus comprend cinq étapes clés : le signalement, le triage, la vérification, l’enquête et l’action. Le système EBS de la Tanzanie utilise un programme Tracker de DHIS2, dans lequel chaque alerte entrante est enregistrée automatiquement et peut être suivie et mise à jour numériquement à travers chacune de ces étapes. Parmi ces cinq étapes, le triage – le processus de sélection et de hiérarchisation des alertes reçues concernant des menaces sanitaires potentielles – a constitué un défi majeur pour le système de surveillance tanzanien, le personnel s’étant efforcé de traiter efficacement les quelque 15 000 alertes soumises entre 2023 et janvier 2024.

L’initiative de triage basé sur l’IA a suivi un processus de développement structuré. La collecte des besoins a commencé en mai 2024, suivie du développement des algorithmes en juin. L’équipe de l’UDSM a terminé l’intégration et les tests du système en juillet, et le déploiement a commencé peu après, avec une collecte continue de commentaires pour affiner le système. Le système a été déployé dans cinq régions à haut risque et a traité avec succès 85 % de l’arriéré de plus de 15 000 rapports, révélant qu’environ 23 % d’entre eux justifiaient une enquête plus approfondie.

Avant l’intégration de l’IA, le processus de triage manuel prenait souvent de 36 à 48 heures, ce qui retardait l’identification des épidémies potentielles. En outre, dans les cinq régions où le système a été testé, qui avaient été sélectionnées en raison de leur vulnérabilité à des épidémies telles que le choléra, le virus de Marburg et l’anthrax, environ 60 % des alertes n’ont pas été traitées en raison de ressources humaines limitées. Le recours à l’intervention manuelle a non seulement ralenti la détection des épidémies, mais aurait également pu permettre à des menaces sanitaires critiques de passer inaperçues pendant de longues périodes. Avec l’introduction d’un triage automatisé utilisant le filtrage des mots clés et la détection des doublons pilotés par l’IA, le système peut désormais traiter les rapports entrants presque instantanément. Cela a considérablement amélioré les temps de réponse et permis aux équipes de santé publique d’identifier et de vérifier beaucoup plus rapidement les menaces sanitaires émergentes.

L’IA au service d’une surveillance plus intelligente des maladies

Le système de triage alimenté par l’IA fonctionne en automatisant la classification des rapports entrants. Il commence par vérifier les soumissions en double, réduisant ainsi la redondance dans l’ensemble des données. Ensuite, un filtrage par mots-clés est appliqué, en utilisant des noms de maladies et des symptômes prédéfinis pour évaluer la pertinence de chaque alerte. Si une alerte répond à des définitions de cas spécifiques, elle est signalée en vue d’une vérification plus approfondie. Si l’étape de vérification – l’évaluation de la pertinence d’une alerte pour l’alerte précoce et la réponse – est toujours effectuée manuellement, l’approche structurée du triage pilotée par l’IA a considérablement rationalisé le processus en permettant au personnel de se concentrer sur l’examen des alertes qui ont le plus de chances d’être pertinentes.

Grâce à l’intégration de ce flux de travail dans DHIS2, toutes les alertes sanitaires passent par un processus de triage structuré avant d’être introduites dans le système e-IDSR de la Tanzanie. Les Rapports peuvent être soumis directement dans DHIS2 par SMS par les agents de santé ou le grand public, ou par le biais d’une application mobile paramétrée ou d’un portail web auquel les agents de santé ont accès. Chaque alerte se voit automatiquement attribuer sa propre instance d’entité suivie dans DHIS2, ce qui permet un suivi transparent tout au long du processus de surveillance. Si un événement est trié et confirmé comme valide, il passe de l’EBS au système de surveillance basé sur des indicateurs, ce qui garantit une réponse nationale coordonnée.

L’avenir de l’IA et du DHIS2 dans la surveillance de la santé publique

L’intégration réussie du triage basé sur l’IA dans le DHIS2 marque une étape importante dans le renforcement de l’infrastructure de surveillance des maladies en Tanzanie. Le système a déjà démontré des améliorations significatives en termes d’efficacité et de temps de réponse, et son évolution continue promet un impact encore plus important. L’équipe du laboratoire DHIS2 de l’UDSM a présenté les prochaines étapes de son plan de mise-en-œvre, notamment l’introduction d’un algorithme d’apprentissage automatique pour améliorer les capacités de l’outil de triage.

À l’avenir, le ministère de la santé prévoit également d’inclure des alertes automatisées provenant des plateformes de médias sociaux, avec un outil électronique permettant d’analyser l’activité des médias sociaux publics et de créer des notifications sur les cas possibles de maladie dans le système EBS. En outre, des efforts sont en cours pour étendre le système EBS et le déploiement de l’outil de triage aux 21 régions restantes. En élargissant la portée du système, l’équipe de l’UDSM espère atteindre un taux de tri automatique de 95 % dans toutes les régions, ce qui permettra de réduire encore la charge de travail des agents de santé et d’améliorer les résultats en matière de santé publique. Il est également possible de relier les systèmes EBS et e-IDSR à d’autres programmes, tels que la vaccination, ce qui pourrait favoriser une planification plus efficace des campagnes de vaccination ciblant les maladies évitables par la vaccination.

Cette étude d’impact est basée sur un résumé intitulé « Enhancing DHIS2 Event-Based Surveillance with AI », soumis pour la conférence annuelle DHIS2 2025, et sur un entretien avec l’équipe du laboratoire DHIS2 de l’UDSM.