Des chercheurs du Mass General Brigham ont entraîné un nouveau modèle d’intelligence artificielle sur plus de 40 millions d’images faciales et l’ont utilisé pour développer des outils d’IA permettant d’estimer l’âge biologique et de prédire directement le risque de survie chez les patients atteints de cancer.
Des chercheurs utilisent des outils d’intelligence artificielle pour analyser de simples photographies de visages et déterminer des indicateurs clés de la santé d’une personne. Les chercheurs du Mass General Brigham ont créé FAHR-Face (Foundation Artificial Intelligence for Health Recognition), un vaste modèle d’IA entraîné sur plus de 40 millions d’images de visages.
Ils ont utilisé ce modèle pour développer deux outils complémentaires : FAHR-FaceAge, qui estime l’âge biologique d’un patient avec une plus grande précision que les algorithmes d’estimation d’âge précédents, et FAHR-FaceSurvival, qui prédit directement les chances de survie des patients atteints de cancer à partir d’une photographie de visage.
L’étude de développement et de validation du modèle a montré que l’écart entre l’âge biologique estimé par FAHR-FaceAge et l’âge chronologique d’un patient était lié de manière indépendante à sa survie. Elle a également démontré la robustesse des outils face aux variations courantes des photographies. L’étude est publiée dans Lancet Digital Health.
« Avec le vieillissement de la population, les médecins ont besoin de meilleurs moyens d’évaluer la réserve physique et la fragilité des patients avant de recommander des traitements intensifs comme la radiothérapie, la chirurgie ou les thérapies systémiques », explique le Dr Raymond Mak, radio-oncologue au Mass General Brigham Cancer Institute et membre du corps professoral du programme d’intelligence artificielle en médecine (AIM) du même institut. « 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. »
« L’avancée technique majeure réside dans le fait que FAHR-Face apprend une représentation générale du visage à partir de plus de 40 millions d’images, représentation qui peut ensuite être adaptée à différents indicateurs de santé, tels que l’âge biologique et la survie », explique Hugo Aerts, PhD , co-auteur principal et directeur de l’AIM au Mass General Brigham. « Cette approche par modèle de base nous offre une méthode évolutive pour développer de multiples biomarqueurs de santé faciale, plutôt que de devoir entraîner chaque modèle à partir de zéro. »
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. La combinaison des deux mesures améliore encore l’ajustement du modèle de survie dans une cohorte de validation externe de patients atteints de cancer.
Chaque algorithme s’appuie également sur des zones distinctes du visage pour prédire l’âge et le risque de mortalité. FAHR-FaceAge se concentre sur les sillons nasogéniens, la zone du front juste au-dessus des orbites et les tempes, tandis que FAHR-FaceSurvival évalue la région sous les yeux et autour de l’arête nasale.
« FAHR-FaceSurvival fait progresser le domaine de l’IA de reconnaissance faciale en apprenant le risque de survie directement à partir de photographies de patients atteints de cancer », a déclaré Aerts. « À notre connaissance, il s’agit de la première démonstration qu’un modèle d’IA peut prédire directement la survie au cancer à partir d’une simple photographie. »
Les chercheurs ont également constaté que le mode de vie influence le vieillissement du visage. Par exemple, une forte consommation d’alcool, de drogues et le tabagisme sont associés à un vieillissement prématuré. Le tabagisme présente la corrélation la plus marquée : les fumeurs actuels paraissent plus âgés que les anciens fumeurs, et ces derniers plus âgés que les personnes n’ayant jamais fumé.
« Autre constat surprenant : la constance de l’indice FAHR-FaceAge malgré les variations courantes observées sur les photos prises dans la vie réelle, notamment la pose, l’éclairage, l’expression du visage et le maquillage », a souligné Mak. « Il est également resté stable pour la plupart des interventions de chirurgie plastique testées, avec seulement une légère variation observée après une rhinoplastie. »
L’équipe poursuit ses recherches grâce à l’étude FaceAge, une étude en ligne, approuvée par un comité d’éthique de la recherche, et accessible au public à l’adresse faceage.bwh.harvard.edu . Les participants peuvent télécharger une photo de leur visage et recevoir leurs propres résultats FaceAge, tout en contribuant à la collecte de données qui aideront les chercheurs à améliorer et à valider les mesures de vieillissement et de santé du visage basées sur l’IA auprès de populations plus vastes et plus diversifiées.
https://news.massgeneralbrigham.org/en/ai-facial-recognition-tools-assess-age-cancer-survival-risk
