Des scientifiques ont créé un outil innovant basé sur l'intelligence artificielle appelé FaceAge, qui analyse les traits du visage pour prédire les résultats de survie chez les patients atteints de cancer, dépassant souvent la précision des cliniciens. Cette technologie utilise des algorithmes d'apprentissage profond pour offrir une méthode d’évaluation plus objective de l'âge biologique d’un patient par opposition à son âge chronologique, ce qui améliore les évaluations pronostiques en oncologie. Le processus de développement a impliqué l'entraînement d’un modèle d’apprentissage profond sur un grand ensemble de données comprenant plus de 58 000 photographies de personnes en bonne santé, permettant au système de reconnaître les schémas de vieillissement reflétés dans les caractéristiques faciales. Les chercheurs ont ensuite testé le modèle sur 6 196 patients atteints de cancer pour en vérifier l’efficacité. De manière remarquable, l’algorithme a révélé que l’âge biologique ou « FaceAge » de ces patients semblait environ cinq ans plus vieux que leur âge chronologique réel. Cet écart d’âge avait des implications importantes pour la compréhension de l’état de santé des patients. Publiée dans la revue Lancet Digital Health, l’étude a montré un lien fort entre un FaceAge plus élevé et une réduction des chances de survie chez les patients atteints de cancer. Notamment, cette relation était indépendante de variables telles que l’âge chronologique, le sexe ou le type de cancer, indiquant que FaceAge capte des éléments uniques du vieillissement biologique et du déclin de la santé. En clinique, FaceAge a montré un potentiel particulier pour améliorer les prévisions de survie. La recherche a révélé que lorsque les cliniciens incorporaient FaceAge avec les méthodes traditionnelles, leur précision pour prédire la survie à six mois passait de 61 % à 80 %. Cette avancée pourrait favoriser des décisions mieux informées concernant les plans de traitement et les discussions sur les soins en fin de vie.

Malgré ses résultats encourageants, FaceAge présente certaines limites. Les biais potentiels dans les ensembles de données d’entraînement et de validation pourraient conduire à des résultats biaisés ou moins généralisables. Par ailleurs, comme pour tout système d’IA, FaceAge peut produire des erreurs ou des mauvaises interprétations, ce qui souligne la nécessité d’une validation continue et d’un affinement constant. La recherche actuelle vise à étendre les tests pour évaluer l’utilité de l’outil au-delà du pronostic du cancer, notamment son potentiel à prévoir des résultats de santé généraux et la longévité dans une population plus large. Cette étude contribue de manière significative au domaine croissant des biomarqueurs du vieillissement—une recherche biomédicale axée sur le développement d’indicateurs mesurables du vieillissement biologique. Alors que l’évaluation du vieillissement perçu s’est traditionnellement basée sur l’observation humaine et est reconnue comme un prédicteur de maladies et de santé globale, FaceAge fait progresser cette approche en automatisant l’évaluation, ce qui pourrait offrir davantage de cohérence et d’objectivité. Les experts soulignent l’importance d’une transparence concernant la manière dont l’IA identifie et pèse les traits du visage pour estimer l’âge biologique. Une telle compréhension est essentielle pour garantir la fiabilité, éviter les facteurs confondants, et répondre aux préoccupations éthiques liées aux prédictions médicales pilotées par l’IA. Dans l’ensemble, FaceAge représente une convergence prometteuse entre intelligence artificielle et pronostics médicaux, introduisant de nouvelles méthodes pour évaluer la santé des patients et guider les décisions cliniques. À mesure que la recherche progresse, cet outil pourrait permettre une prise en charge médicale plus personnalisée et précise, centrée sur les réalités biologiques reflétées par l’apparence des patients.