Une IA peut désormais prédire les chances de survie d’une personne atteinte d’un cancer à partir d’un simple selfie
Des chercheurs de l'hôpital Mass General Brigham ont développé un outil capable d'analyser une zone spécifique du visage pour prédire le risque de mortalité des patients atteints d'un cancer.
Des chercheurs de l'hôpital Mass General Brigham ont développé un outil capable d'analyser une zone spécifique du visage pour prédire le risque de mortalité des patients atteints d'un cancer.
Déjà utilisée pour détecter des cancers, l'IA peut aussi prédire les chances de survie d'un patient. Et ça, seulement à partir d'un selfie. Il s'agit d'un outil développé par des chercheurs de l'hôpital Mass General Brigham, dans le Massachussets. Baptisé FAHR-FaceSurvival, il est basé sur FAHR-Face, modèle d'IA entraîné sur plus de 40 millions d'images faciales.
Apprenant une représentation générale du visage, il peut être adapté à différents indicateurs de santé. Dans le cas de FAHR-FaceSurvival, il a été amélioré avec 34.363 photos de patients atteints d'un cancer. Se concentrant sur la zone sous les yeux et autour du nez, qui est associée à la mort, l'outil a été testé sur une sous-cohorte de 3.820 patients issus de l'ensemble de données de test Harvard-RT.
Résultat : parmi les 122 atteints d'un cancer présentant un risque élevé de mourir selon l'outil, 52,5% sont décédés dans les 90 jours suivant l'évaluation, indiquent les chercheurs dans leur étude publiée dans la revue Lancet Digital Health et relayée par CNN. Et seulement 2% des 975 patients présentant le risque le plus faible sont décédés dans les 90 jours.
Prédire l'âge biologique
En plus de cet outil, les chercheurs du Mass General Brigham en ont développé un second, baptisé FAHR-FaceAge. Il est capable d'estimer l'âge biologique d'un patient, domaine sur lequel ils travaillaient déjà en 2025. L'outil y parvient en analysant les sillons nasogéniens, zone juste au-dessus des orbites, et les tempes. Ces régions sont associées au vieillissement.
FAHR-FaceAge a été testé sur divers ensembles de données, dont Harvard-RT et APPA-REAL (composé d'individus présumés en bonne santé). Sur 1.060 patients dont l'âge biologique dépassait de plus de 20 ans leur âge chronologique selon l'outil, 21% sont décédés dans les 90 jours. À l'inverse, environ 6% des 4.195 patients dont l'âge biologique était inférieur d'au moins 10 ans à leur véritable âge sont décédés dans les 90 jours.
Les chercheurs précisent par ailleurs que le maquillage, la chirurgie et autres modifications cosmétiques du visage n'ont pas affecté les performances de FAHR-FaceAge. Ils ont cependant constaté que le mode de vie avait un impact sur le vieillissement du visage. Une forte consommation d'alcool et le tabagisme sont par exemple associés à un vieillissement prématuré.
"Bien que FAHR-FaceAge et FAHR-FaceSurvival soient dérivés du même modèle de base, ils recueillent des informations différentes et complémentaires sur la santé du patient. Leurs prédictions sont faiblement corrélées et restent associées indépendamment à la survie lorsqu'elles sont analysées conjointement", ont en outre souligné les chercheurs.
Des limites de taille
Ils ne cherchent pas à remplacer les médecins avec leurs outils, mais à les aider. "Notre objectif est de rendre l'évaluation de la santé à partir de photographies du visage plus quantitative, plus cohérente et plus facilement applicable afin qu'elle puisse étayer les décisions thérapeutiques personnalisées plutôt que de se substituer au jugement clinique", ont-ils expliqué.
Dans le cas spécifique de FAHR-FaceSurvival, les chercheurs mettent en avant leur approche consistant à utiliser "efficacement des photographies faciales grand public peu coûteuses et faciles à obtenir, ce qui élargit son champ d'application clinique". Cela permet de surmonter les "limitations liées à la taille et à la généralisabilité des ensembles de données cliniques", ont-ils avancé.
Les chercheurs reconnaissent néanmoins que leur étude présente des limites. La qualité des images, l'éclairage et l'expression faciale peuvent par exemple affecter la précision des deux outils. Autre limite de taille : les cohortes exclusivement composées de patients atteints d'un cancer proviennent principalement de centres situés dans des pays à revenu élevé. Ce qui restreint potentiellement la généralisation des résultats à d'autres maladies, régions et groupes raciaux sous-représentés.
Sujets liés :