evidoria

← Retour à la liste

Good practice

VectorCam — outil IA sur smartphone pour la surveillance des vecteurs du paludisme en Ouganda

Ouganda · Kampala · Voir le profil de Ouganda

Développé par l'université Makerere et Johns Hopkins avec le ministère ougandais de la Santé, VectorCam utilise l'IA pour identifier les espèces de moustiques à 90 % de précision sur smartphone, assurant une surveillance vectorielle du paludisme en temps réel dans 22 districts.

90 %
Précision d'identification des espèces (2024 field validation)
12 districts
Districts déployés (2024/2025)
22 districts
Districts cibles (2025 target)
20 seconds
Temps de classification par échantillon
VectorCam — outil IA sur smartphone pour la surveillance des vecteurs du paludisme en Ouganda

Détails

Maturité
Scaling
Promoteur
Makerere University School of Public Health / Johns Hopkins Bloomberg School of Public Health / Uganda Ministry of Health
Période
2022–present
Mots-clés
health, malaria, vector surveillance, public health

Contexte

VectorCam est une application d'IA fonctionnant sur smartphone, développée par la Makerere University School of Public Health, le Center for Global Digital Health Innovation de la Johns Hopkins Bloomberg School of Public Health, et le ministère de la Santé de l'Ouganda. Elle utilise la vision par ordinateur et l'apprentissage profond, via un adaptateur de microscope fixé au smartphone, pour identifier l'espèce, le sexe et l'état de repas sanguin des moustiques directement sur le terrain, sans nécessiter d'infrastructure de laboratoire centralisée. L'outil vise à soutenir la surveillance des vecteurs du paludisme et la lutte antivectorielle ciblée dans des districts aux ressources limitées, où les entomologistes qualifiés sont rares.

Objectifs

Le projet vise à permettre une surveillance des vecteurs du paludisme en temps réel sans laboratoires centralisés, à améliorer la lutte antivectorielle ciblée grâce à une identification précise des espèces, et à étendre la capacité de surveillance aux contextes à ressources limitées manquant d'entomologistes qualifiés.

Activités

Après une phase pilote de novembre 2022 à avril 2024, l'outil a été déployé dans des districts ougandais, avec une validation de terrain de la précision d'identification des espèces et un suivi de recherche opérationnelle intégré dans un sous-ensemble de districts. En 2025, la Makerere University, Johns Hopkins et le ministère de la Santé étendent le projet de 12 à un objectif de 22 districts, avec de la recherche intégrée dans 12 d'entre eux, les résultats étant publiés dans le système DHIS de l'Ouganda pour un accès au niveau des districts et national.

Résultats

La validation de terrain a rapporté une précision de 90 % pour l'identification de l'espèce de moustique, la classification étant réalisée en environ 20 secondes par échantillon. L'outil est déployé dans 12 districts en 2024/2025, avec un déploiement visant à atteindre 22 districts.

Conclusions

Les données disponibles à ce jour se limitent à des indicateurs de performance technique et de déploiement ; aucun essai contrôlé randomisé ni évaluation d'impact formelle n'a été publié. L'évaluation des sources par Evidoria elle-même met en garde contre le fait que les affirmations causales sur les résultats du paludisme au niveau de la population doivent être traitées avec prudence en attendant une évaluation formelle, prévue dans le cadre du passage à l'échelle piloté par le ministère de la Santé.

Mise en œuvre
Coût indicatif
Medium (€50k–€500k) — No public budget figures were found; the project is funded by the Bill & Melinda Gates Foundation. Hardware (smartphone + low-cost microscope adapter) is inexpensive per unit, but multi-district deployment, DHIS integration and embedded operational research across up to 22 districts imply a moderate ongoing programme cost — estimated as medium in the absence of published figures.
Délai jusqu’aux résultats
Long (> 3 years) — Pilot ran November 2022-April 2024; scale-up to 22 districts (with research embedded in 12) was announced in August/September 2025 and is ongoing, indicating a multi-year (long) implementation horizon.
Personnel et compétences
Makerere University School of Public Health (research/field validation), Johns Hopkins Bloomberg School of Public Health, Center for Global Digital Health Innovation (technical development), Uganda Ministry of Health (rollout and DHIS integration)

Conditions de réussite

  • Smartphone + microscope-adapter hardware availability in district health offices
  • Integration with Uganda's DHIS reporting system for data uptake by district/national health authorities
  • Embedded operational research capacity to validate performance as it scales
  • Sustained donor funding (Bill & Melinda Gates Foundation) through the pilot-to-scale transition

Modes d’échec courants

  • Species-identification accuracy claims (90%) are not yet paired with a published, peer-reviewed evaluation methodology
  • Scale-up to 22 districts depends on continued donor and Ministry of Health commitment
  • No causal evidence yet linking surveillance data to actual reductions in malaria transmission or vector control effectiveness

Où cela s’applique

Type de gouvernance
national ministry of health with university/academic partners
Échelle
sub-national, scaling from 12 to 22 districts
Niveau de revenu
low-income (Uganda)

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles