Une équipe de chercheurs de l'hôpital Mass General Brigham, aux États-Unis, a mis au point un outil d'intelligence artificielle capable d'estimer le risque de mortalité à court terme chez des patients atteints de cancer. En analysant les traits du visage à partir d'une simple photographie, cette technologie ouvre des pistes pour le suivi médical, tout en soulevant des questions sur son intégration dans les protocoles de soins.
Le fonctionnement de l'outil FAHR-FaceSurvival
Le modèle, baptisé FAHR-FaceSurvival, repose sur un apprentissage profond réalisé à partir de plus de 40 millions d'images faciales, affiné par la suite avec 34 363 photographies de patients oncologiques. Lors des tests effectués sur un sous-groupe de 3 820 patients, l'outil a démontré une capacité à identifier des profils à risque : parmi les patients classés comme présentant une vulnérabilité élevée, 52,5 % sont décédés dans les 90 jours. À l'inverse, ce taux de mortalité tombait à 2 % pour ceux identifiés comme étant dans la catégorie de risque la plus faible.
L'analyse de l'âge biologique comme indicateur
Parallèlement à cet outil de survie, les chercheurs ont développé FAHR-FaceAge, un algorithme conçu pour estimer l'âge biologique d'un individu. Contrairement à l'âge chronologique, cet indicateur reflète le vieillissement réel de l'organisme. Les résultats montrent une corrélation entre l'écart d'âge biologique et la survie : les patients dont l'âge biologique estimé dépassait leur âge réel de plus de 20 ans présentaient un taux de mortalité de 21 % dans les 90 jours, contre 6 % pour ceux dont l'âge biologique était inférieur à leur âge réel.
Complémentarité et limites cliniques
L'étude, publiée dans The Lancet Digital Health, souligne que ces outils ne sont pas destinés à se substituer au jugement des praticiens. Ils pourraient néanmoins constituer un complément utile et peu coûteux aux évaluations cliniques classiques. Les chercheurs précisent que des facteurs externes comme le tabagisme ou la consommation d'alcool influencent le vieillissement facial, tandis que les modifications cosmétiques n'altèrent pas les performances du modèle. La validation de ces technologies nécessite désormais des recherches approfondies sur des populations plus diversifiées afin de confirmer leur fiabilité dans des contextes médicaux variés.