Numérisation du visage A.I. Peut aider les médecins à dépister des troubles génétiques inhabituels



La reconnaissance faciale peut aider à déverrouiller votre téléphone. Pourrait-il aussi être en mesure de jouer un rôle beaucoup plus précieux dans la vie des gens en déterminant si une personne est atteinte d’un trouble génétique rare, fondé exclusivement sur ses traits du visage? DeepGestalt, une intelligence artificielle construite par la société de technologie FDNA basée à Boston, suggère que la réponse est un «oui» retentissant.

Cet algorithme est déjà utilisé par de grands généticiens sur plus de 2 000 sites dans plus de 130 pays du monde. Dans une nouvelle étude, publiée dans la revue Nature Medicine, des chercheurs ont montré comment l’algorithme pouvait surperformer les cliniciens en matière d’identification des maladies.

L'étude portait sur 17 000 enfants atteints de plus de 200 troubles génétiques. Sa meilleure performance a été de distinguer différents sous-types d’une maladie génétique appelée syndrome de Noonan, dont l’un des symptômes comprend des traits du visage légèrement inhabituels. Le A.I. était capable de faire la distinction correcte 64% du temps. C'est loin d'être parfait, mais c'est nettement mieux que les cliniciens humains, qui ont correctement identifié le syndrome de Noonan dans seulement 20% des cas.

«DeepGestalt est un cadre d'analyse d'images faciales capable de mettre en évidence des similitudes avec des centaines de troubles génétiques», a déclaré Yaron Gurovich, directeur de la technologie à FDNA, à Digital Trends. «Il s’agit d’un type d’intelligence artificielle capable d’apprendre efficacement les aspects visuels pertinents des conditions génétiques et de fournir des scores de pertinence pour: [them]. Il est basé sur les outils d’apprentissage automatique récents, appelés apprentissage en profondeur. En pratique, nous utilisons des réseaux de neurones artificiels pour apprendre des motifs subtils dans le visage et créer une représentation mathématique pour ceux-ci. DeepGestalt est comme une représentation mathématique agrégée de la connaissance de milliers de personnes. [of] experts."

Pour créer leur système, les chercheurs ont d'abord appris à identifier les visages à l'aide d'un ensemble de données faciales générales disponibles sur le Web. Ils ont ensuite utilisé une technique appelée «apprentissage par transfert» pour apprendre à la machine à pouvoir enrayer les troubles génétiques. «Cette étape est similaire à l’enseignement à un humain [a] nouveau sujet ", a poursuivi Gurovich. «Une fois que vous connaissez les bases – [how to] analyser les visages – il est beaucoup plus facile d'apprendre des cas particuliers, [such as analyzing] les troubles génétiques."

Comme indiqué, A.I. de FDNA est déjà utilisé par les cliniciens sous la forme d'une plateforme communautaire appelée Face2Gene. Cet outil permet aux médecins, avec la permission de leurs patients, de télécharger des images sur la plateforme. Face2Gene est alors en mesure d’aider à réduire le nombre de maladies éventuelles afin que les médecins puissent les explorer davantage. On estime que 70% des généticiens cliniciens utilisent cet outil.