FAHR-Face relie les traits du visage à la survie du cancer

Un modèle américain développé par Mass General Brigham estime l’âge biologique à partir d’un visage et analyse la survie de patients atteints de cancer. Baptisé FAHR-Face, il a été entraîné sur plus de 40 millions d’images faciales. Sa version FAHR-FaceAge examine notamment le front, les rides entre le nez et la bouche, ainsi que les tempes. Une autre version, FAHR-FaceSurvival, a été entraînée avec près de 35 000 photos de patients atteints de cancer. L’étude a été publiée ce mois-ci dans The Lancet Digital Health. Devi Sridhar juge ces résultats intéressants, mais elle doute qu’un selfie puisse déjà prédire utilement l’avenir d’un patient.

Les médecins observent depuis longtemps certains indices visibles de l’état général. Ils peuvent notamment noter qu’une personne « paraît avoir son âge » ou semble plus âgée. Le modèle étudié pousse cette pratique vers une analyse automatisée de traits faciaux. FAHR-FaceSurvival s’intéresse surtout à la zone sous les yeux et à l’arête du nez. Les chercheurs relient ces régions à des signes de perte musculaire et de risque de mortalité. Raymond Mak rappelle que ces descriptions remontent à Hippocrate, au quatrième siècle avant notre ère. Les résultats restent toutefois statistiques. Ils proviennent de données rétrospectives recueillies auprès de milliers de patients.

FAHR-Face relie visage et survie

Dix-huit catégories de cancer sur 28 présentaient une association significative entre l’âge facial estimé par l’IA et la survie. Cette proportion signifie que le modèle fonctionne pour certains cancers, mais pas pour tous. Miroslaw Bober estime que l’outil doit encore être comparé aux jugements des médecins. Il doit aussi être évalué dans plusieurs hôpitaux et auprès de groupes de patients différents. Chez les patients noirs, la mesure de l’âge facial n’était pas significativement associée à la survie après ajustement pour d’autres facteurs. Cette observation rejoint les inquiétudes sur les biais raciaux de modèles entraînés avec des données et des hypothèses particulières.

Les images varient fortement selon l’éclairage, l’angle de prise de vue, l’expression du visage ou le moment de la journée. Les injections de Botox, les produits de comblement et les liftings modifient également l’apparence faciale. Les médicaments GLP-1 peuvent aussi modifier la graisse et la forme du visage. Les chercheurs indiquent avoir testé leur modèle d’âge avec différents éclairages, expressions et interventions cosmétiques. Sridhar estime néanmoins qu’une marge d’erreur demeure inévitable si les prédictions dépendent de signes visibles affectés par ces facteurs. Une apparence plus jeune ne permet donc pas nécessairement d’inférer un meilleur état de santé.

L’usage clinique reste à évaluer

La question centrale porte sur l’utilité du modèle dans la pratique quotidienne, au-delà de l’expérience et de la formation des cliniciens. Une photographie peut contenir des indices sur l’état d’un patient, mais une association statistique ne suffit pas à établir une prédiction exacte pour une personne. Sridhar considère que l’outil pourrait compléter d’autres examens utilisés par les médecins pour évaluer la santé et le pronostic. Elle souligne toutefois que les résultats doivent encore être confrontés aux décisions cliniques. L’étude publiée dans The Lancet Digital Health détaille les méthodes et les résultats du modèle.

Le site public du projet permet actuellement d’estimer l’âge biologique, et non la survie d’une personne. Les formulaires de consentement indiquent cependant qu’un selfie envoyé au service contribue aussi à l’étude. Le visage est donc analysé, mais il rejoint également les données utilisées pour développer la technologie. Sridhar invite à la prudence sur ce que cet âge biologique peut révéler de la santé générale. L’étude devra notamment être confrontée à des évaluations réalisées par des médecins et dans différents groupes de patients. Le Science Media Centre a publié des réactions d’experts sur cette recherche et ses limites.