Détection d’œufs de parasites par imagerie sans lentilles assistée par intelligence artificielle

Alors que pour les infections virales et bactériennes, il existe souvent des signes cliniques qui orientent le diagnostic vers des méthodes de détection rapide, pour les infections parasitaires les hôtes définitifs se présentent souvent sans symptômes ou avec des symptômes minimes, ce qui rend le diagnostic beaucoup plus complexe. Dans la plupart des cycles parasitaires, la phase libre passe par un stade d'œuf, qui est libéré par l'hôte dans l'environnement via une matrice fécale complexe, qui présente des concentrations d'œufs très variables et souvent faibles. La méthode de détection classique repose sur l’observation microscopique de ces œufs, ce qui implique une préparation fastidieuse et longue de l'échantillon pour concentrer les œufs, avec des valeurs de sensibilité très variables. Parallèlement, une fois dispersés, les œufs contaminent l'environnement et les denrées alimentaires, entraînant des cas de zoonoses chez l'homme. La détection dans les matrices environnementales et alimentaires est encore plus complexe que pour les matières fécales en raison du très faible nombre d'œufs présents (1 à 10 par échantillon) dans la grande majorité des cas.

Le CEA a développé un système d'imagerie sans lentille qui, couplé à un système d'intelligence artificielle (IA), permet d'identifier des colonies bactériennes au niveau de l'espèce. Sur la base de cette technologie, il est prévu de faciliter l'identification des œufs de parasites tout en augmentant la sensibilité. Cela permettra d'automatiser la détection, ouvrant ainsi des perspectives d'investigation dans des populations animales plus importantes.

L’objectif de la thèse est d’optimiser la détection des œufs par imagerie sans lentille. Après une première phase de formation à l’imagerie sans lentilles, au CEA de Grenoble, l’étudiant(e) aura en charge l’optimisation des différents paramètres qui permettront, au sein d’une matrice donnée, de récupérer le signal le plus informatif possible pour détecter des oeufs de parasites: e.g. longueur d’onde d’excitation, distance source lumineuse-objet, distance objet-capteur. Il s’agira ensuite, après cette étape d’optimisation, d’atteindre une technologie permettant des applications en parasitologie animale et humaine. A partir de l’acquisition de nombreux œufs de la même espèce, une base de données (par matrice, ou par animal hôte, ...) sera générée. Puis une IA sera instruite afin d’aboutir à une automatisation de l’ensemble du processus d’identification.

Equipes d’accueil:

• Anses Maison-Alfort (Bipar)
• Anses Nancy (INTERFAS)
• CEA Grenoble (DTIS et SiNaPS

Formation en biologie/biotechnologies. Une formation spécifique à la biologie parasitaire est un atout. Expérience ou fort intérêt pour le traitement de l’image et l’apprentissage machine.