Le ministère de la Santé de l'Ouganda, avec Medic et Audere, a intégré la lecture des tests de paludisme par IA dans l'eCHIS national dans quatre districts ; une phase I en aveugle a montré un accord élevé avec les équipes de santé villageoises, sans pourcentage publié.
Détails
Maturité
Pilote
Promoteur
Ministry of Health (Uganda), with Medic and Audere
Période
2026
Mots-clés
public health, malaria diagnostics, community health workers, computer vision
Contexte
Les tests de diagnostic rapide du paludisme (TDR) sont lus visuellement par des agents de santé communautaires, et les erreurs de lecture — en particulier les lignes positives faibles — sont une source persistante d'erreurs de diagnostic et de surveillance dans les districts à forte charge de morbidité. Le ministère de la Santé de l'Ouganda, avec l'organisation à but non lucratif de santé numérique Medic et l'entreprise d'IA pour la santé Audere, a intégré le HealthPulse AI Interpreter d'Audere — un outil de vision par ordinateur qui photographie et classe automatiquement les résultats des TDR — dans le système national d'information sanitaire communautaire électronique (eCHIS). Le projet pilote se déroule dans quatre districts (Mpigi, Moyo, Buikwe et Lira), avec le soutien de la Fondation Gates et un déploiement parallèle avec le ministère de la Santé du Kenya.
Activités
La phase I, d'une durée d'environ quatre mois jusqu'en août 2026, a délibérément masqué l'interprétation de l'IA aux équipes de santé villageoises afin que leur lecture manuelle puisse être comparée au résultat de l'IA sans biais. La phase II, un prolongement de trois mois, montrera pour la première fois aux équipes de santé villageoises l'interprétation de l'IA aux côtés de la leur, afin de tester si une assistance visible de l'IA améliore les décisions ou se contente de remplacer le jugement humain.
Résultats
Un atelier de bilan et de synthèse organisé après la phase I a fait état d'un « très haut niveau d'accord » entre les lectures de l'IA et celles des équipes de santé villageoises, ainsi que d'une confiance croissante des utilisateurs, mais aucun pourcentage d'accord, taille d'échantillon ou nombre de cas n'a été rendu public.
Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an) — Phase I ran approximately four months to August 2026 (blinded); Phase II is a three-month follow-on.
Personnel et compétences
Uganda Ministry of Health, Medic (global digital-health nonprofit) — technical partner, Audere (health-AI company) — technology provider, Village Health Teams (community health workers) — end users
Conditions de réussite
Blinded design in Phase I to avoid biasing Village Health Team manual readings
Integration directly into the existing eCHIS platform already used by community health workers
Parallel deployment with Kenya's Ministry of Health for cross-country learning
Modes d’échec courants
No agreement percentage, sample size or case count made public after Phase I
Phase II has not yet tested whether visible AI assistance improves decisions or merely displaces human judgement
Où cela s’applique
Type de gouvernance
national ministry of health with NGO/vendor partners
Échelle
sub-national (4 districts)
Niveau de revenu
low income (Uganda)
Habituellement financé par
Philanthropic / foundation funding
Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.
Vous portez cette pratique ?
Revendiquez-la —
les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
Sources de données
D'où proviennent les informations de cette pratique, et quand.