L'IA de Mass General Brigham prédit le risque de survie au cancer à partir d'une photo du visage

Des pixels du visage aux biomarqueurs cliniques

Déterminer dans quelle mesure un patient supportera un traitement anticancéreux repose traditionnellement sur un jugement clinique subjectif et des examens physiques éprouvants. Pour fournir une mesure objective, les chercheurs ont créé FAHR-Face, abréviation de Foundation Artificial Intelligence for Health Recognition, comme le rapporte New Atlas. Le modèle d'apprentissage automatique auto-supervisé utilise des autoencodeurs masqués entraînés sur plus de 42 millions de photos de visages, apprenant au système à reconstruire des traits occultés et à capturer des informations structurelles corrélées à l'état de santé général.

« À notre connaissance, c'est la première démonstration qu'un modèle d'IA peut prédire directement la survie au cancer à partir d'une simple photographie. »

— Hugo Aerts, PhD, directeur du programme d'IA en médecine au Mass General Brigham

Deux algorithmes pour l'âge et la survie

Les chercheurs ont affiné l'architecture centrale en deux instruments diagnostiques complémentaires : FAHR-FaceAge et FAHR-FaceSurvival. Selon les données rapportées par New Atlas, FAHR-FaceAge calcule le vieillissement physiologique plutôt que les années chronologiques, avec une marge d'erreur moyenne de 5,1 ans. Surtout, le modèle est resté robuste face à des éléments confondants tels que le maquillage, les lunettes, un éclairage variable et les liftings, n'affichant que de légères divergences chez les sujets ayant subi une rhinoplastie. Les patients paraissant cinq ans ou plus de plus que leur âge chronologique présentaient un risque de mortalité supérieur de 21 %, tandis que ceux paraissant cinq ans de moins affichaient un taux de survie supérieur de 17 %.

Cartographier le risque de mortalité pendant le traitement anticancéreux

L'outil de survie a été évalué sur des images faciales de plus de 34 000 patients atteints de cancer traités par radiothérapie, puis sur des cohortes de validation de près de 4 000 et 5 000 personnes. Comme le détaille New Atlas, FAHR-FaceSurvival a su distinguer les niveaux de risque : les patients classés dans la catégorie de mortalité la plus élevée présentaient un taux de décès plus de trois fois supérieur à celui du groupe le plus faible. Dans le segment à plus haut risque, 52 % des patients sont décédés dans les 90 jours, contre seulement 2,1 % dans le groupe à plus faible risque. Les cartes de chaleur ont révélé que FAHR-FaceSurvival analyse la zone sous les yeux et le long de l'arête nasale, tandis que FAHR-FaceAge se concentre principalement sur les tempes, les plis nasogéniens et le front au-dessus des orbites.

Intégration clinique et évaluation publique

En extrayant des signaux physiologiques de photographies grand public, cette innovation pourrait aider les oncologues à adapter les doses de radiation ou à choisir des alternatives moins toxiques pour les personnes fragiles. Le coauteur principal Hugo Aerts et le radio-oncologue Raymond Mak ont noté que la structure de modèle de fondation permet aux équipes de développer des marqueurs diagnostiques spécialisés sans construire chaque réseau neuronal de zéro. Alors que les chercheurs ont ouvert un essai en ligne élargi pour une évaluation publique, les équipes cliniques préparent d'autres évaluations afin de déterminer comment ce biomarqueur visuel automatisé peut être intégré en toute sécurité dans les flux de travail de l'oncologie clinique, comme le documente New Atlas.

À lire aussi sur The Patent : Des neurones cultivés en laboratoire décodent le braille et pilotent des chiens robots