Des chercheurs américains ont mis au point des outils d'intelligence artificielle capables d'analyser des photographies du visage pour évaluer l'état de santé général et la résilience face à la maladie. Ces travaux, publiés dans la revue Lancet Digital Health, visent à fournir aux médecins des indicateurs quantitatifs pour mieux adapter les protocoles thérapeutiques, notamment chez les patients atteints de cancer.
L'analyse faciale au service du pronostic médical
L'outil baptisé « FaceSurvival » a été entraîné sur des millions de visages sains et 35 000 clichés de patients oncologiques. Les résultats préliminaires indiquent que certaines zones spécifiques, notamment le contour des yeux et l'arête nasale, sont des indicateurs déterminants pour estimer l'espérance de vie restante. Cette technologie ne vise pas à remplacer le diagnostic clinique traditionnel, mais à offrir une aide à la décision pour évaluer la fragilité physique d'un patient avant d'engager des traitements lourds comme la chirurgie ou la radiothérapie.
Évaluer l'âge biologique pour mieux prévenir
Parallèlement à ces recherches sur le cancer, l'équipe du Mass General Brigham de Boston développe « FaceAge », un algorithme dédié à la mesure de l'âge biologique. En observant des zones comme le front, les tempes, les joues et les sillons autour de la bouche, l'IA parvient à estimer la vitesse de vieillissement d'un individu. Selon les chercheurs, cet outil s'est montré étonnamment stable face aux variations d'éclairage ou de maquillage, bien que des interventions comme la rhinoplastie puissent légèrement influencer les résultats.
Les défis de la validation clinique
Malgré ces avancées, la communauté scientifique appelle à la prudence. Le professeur Miroslaw Bober, expert en apprentissage automatique, souligne qu'il s'agit pour l'heure d'une « preuve de concept » et qu'une utilisation en milieu hospitalier serait prématurée. L'efficacité de ces outils doit encore être confrontée au jugement des praticiens dans des contextes cliniques réels. Un enjeu majeur pour les chercheurs reste la collecte de données diversifiées, notamment auprès de groupes ethniques variés, afin de garantir la fiabilité et l'équité des prédictions de ces systèmes d'intelligence artificielle avant toute application médicale généralisée.