La reconnaissance faciale permet de détecter des maladies génétiques

L’intelligence artificielle va bouleverser nos modes de vie et de fonctionnement, notamment dans le domaine de la santé où l’on devrait voir des apports importants, tels que cette IA ayant la capacité de détecter les maladies génétiques rares à partir d'une photo.

C’est une étude qui intéressera les chercheurs en médecine, parue dans Nature Médecine, la publication précise les nouvelles perspectives qu’offre l’intelligence artificielle dans le domaine de la santé, plus précisément ce qui concerne les maladies génétiques rares.

Une nouvelle intelligence artificielle pour détecter les maladies rares

Cela se fera notamment par un outil logiciel développé par la société américaine FDNA, dénommé DeepGestalt. Celui-ci permet d’associer reconnaissance faciale et apprentissage automatique. Ce dispositif lui permet de détecter les anomalies génétiques qui apparaissent sur certains visages.

Pour ce faire, l’entreprise a collecté 17000 photos distinctes, possédant 200 syndromes distincts, ce qui a permis à ses algorithmes de faire ce travail de détection. La société a testé son outil sur deux maladies qui affectent le développement intellectuel et la mobilité, le syndrome de Cornelia de Lange et le syndrome d’Angelman.

Une IA capable de détecter les maladies génétiques rares

Lorsqu’on est atteint de cette maladie, les traits faciaux en sont impactés, avec notamment une peau et des cheveux extrêmement clairs. Les résultats obtenus par DeepGestalt sont très probants, puisque l’outil a obtenu une précision de 90% supérieure à la détection de spécialistes, qui plafonne à 70%.

Ces résultats se confirment par ailleurs, puisque sur 92 syndromes différents, DeepGestalt a reconnu un problème génétique sur 90% des photos analysées. A noter toutefois que l’intelligence artificielle n’est pas encore en mesure d’établir un diagnostic précis, ce qui fait que les experts en maladies génétiques se montrent encore réticents vis-à-vis de cet outil.

La société FDNA admet que son outil n’est pas encore tout à fait abouti, notamment parce qu’il est plus performant sur les patients plus jeunes, mais elle y voit un intérêt certain pour les professionnels de santé : celui de réduire le temps de diagnostic, qui peut être très important pour empêcher l’évolution d’une maladie.