Plateforme d’évaluation des risques de grossesse au point de service, assistée par l’apprentissage automatique, à partir d’échographies 2D

Aperçu

Un outil de santé maternelle alimenté par l’IA, développé en Ouganda, aide à détecter les grossesses à haut risque plus tôt que jamais, avec le potentiel de sauver la vie de milliers de mères qui, autrement, ne seraient pas diagnostiquées à temps.

La mortalité maternelle reste l’une des crises de santé publique les plus urgentes en Ouganda, aggravée par un accès limité aux soins obstétriques spécialisés dans de nombreuses régions. Des conditions à haut risque, comme les fibromes utérins, passent souvent inaperçues jusqu’à ce qu’elles causent des complications graves, non pas parce que des solutions n’existent pas, mais parce que les outils permettant de les identifier sont hors de portée pour la majorité des femmes enceintes.

Ces outils basés sur l’IA sont conçus pour identifier les signes précoces de grossesses à risque élevé, y compris la détection et la classification des fibromes utérins, et soutiennent la surveillance continue de la santé maternelle dans les zones où les soins spécialisés sont rares. Le modèle de classification intègre un composant d’IA explicable qui génère des segmentations visuelles montrant aux cliniciens exactement quelles régions ont influencé les décisions du modèle, renforçant la confiance et permettant des soins mieux informés. Les pratiques d’IA responsable sont intégrées tout au long du processus : la collecte de données a été conçue pour inclure des mères de diverses régions de l’Ouganda, améliorant à la fois l’équité et la précision du modèle.

En permettant une identification précoce des risques au niveau communautaire, ces outils contribuent à transformer les soins maternels, passant d’une approche réactive à une approche préventive, donnant aux futures mères et aux professionnels de santé l’information dont ils ont besoin au moment où elle est la plus cruciale. Cette approche scalable et ancrée dans la communauté offre un modèle reproductible pour la santé maternelle assistée par IA dans les contextes à ressources limitées en Afrique.