Le projet s’appuie sur l’étude clinique COVID-AIR conduite à Lyon, qui a recruté près de 5 000 patients et mesuré en temps réel la composition de l’air expiré par spectrométrie de masse. À partir de ces données, nous développons un pipeline d’analyse combinant biostatistiques et intelligence artificielle. Pour ce faire, nous comparons plusieurs approches d’analyses des donnés incluant des méthodes non supervisées et supervisées. Les différentes parties d’un souffle sont également disséquées pour extraire les biomarqueurs pertinents au diagnostic de ces infections. Par ces approches combinées, nous évaluons ainsi la capacité de cette méthode à mettre en évidence des profils de biomarqueurs atypiques, utiles pour repérer des pathogènes émergents.