Le visage ne serait-il plus le seul reflet de notre âge? De récentes recherches issues de l’Université Métropolitaine d’Osaka nous dévoilent comment une intelligence artificielle pourrait redéfinir notre perception de l’âge à travers des radiographies du thorax, tout en offrant un nouvel outil précieux pour la détection précoce de maladies chroniques.
Dirigée par le doctorant Yasuhito Mitsuyama et le Dr. Daiju Ueda du Département de Radiologie Diagnostique et Interventionnelle, l’équipe a mis au point un modèle d’intelligence artificielle basé sur l’apprentissage profond capable d’estimer l’âge à partir de radiographies du thorax de sujets sains.
Face aux enjeux liés à l’overfitting, phénomène par lequel une IA surajustée se montre trop spécifique sur une base de données, les chercheurs ont intelligemment recueilli des informations provenant de plusieurs institutions.
Des données massives pour une précision accrue
Pour concevoir, former, tester ce modèle d’estimation de l’âge, un échantillon considérable de 67 099 radiographies du thorax a été collecté entre 2008 et 2021 auprès de 36 051 individus en bonne santé. “La corrélation entre l’âge estimé par l’IA et l’âge chronologique était de 0,95”, une valeur remarquablement haute puisqu’un coefficient de 0,9 ou plus est généralement considéré comme très fort.
Corrélation entre âge estimé et maladies chroniques
La prochaine étape était de déterminer si cette estimation de l’âge pouvait être utilisée comme biomarqueur. En analysant 34 197 radiographies supplémentaires provenant de patients atteints de maladies connues, l’équipe a découvert que l’écart entre l’âge estimé par l’IA et l’âge réel était positivement corrélé avec diverses maladies chroniques.
En synthèse
Cette étude suggère une approche révolutionnaire dans l’usage des radiographies du thorax pour estimer l’âge, tout en ouvrant la voie à de nouvelles possibilités pour la détection précoce des maladies. Comme l’a souligné Mr. Mitsuyama, “la radiographie thoracique pourrait bien refléter l’état de santé au-delà de l’âge chronologique.”
Pour une meilleure compréhension
Qu’est-ce que l’overfitting?
L’overfitting, ou surajustement, est un phénomène où un modèle d’IA apprend trop spécifiquement sur une base de données, au détriment de sa capacité à généraliser à de nouvelles données.
Pourquoi utiliser des radiographies du thorax pour estimer l’âge?
Les radiographies du thorax peuvent refléter divers changements corporels liés à l’âge, rendant leur utilisation pertinente pour estimer l’âge biologique plutôt que l’âge chronologique.
Quelle est l’importance du coefficient de corrélation?
Un coefficient de corrélation élevé indique une forte relation entre deux variables, suggérant ici que l’âge estimé par l’IA correspond étroitement à l’âge réel.
Quels sont les bénéfices potentiels de cette recherche pour la médecine?
Cette méthode pourrait améliorer la détection précoce des maladies chroniques et fournir des informations supplémentaires sur la santé générale d’un patient.
Quels sont les projets futurs de l’équipe de recherche?
L’équipe envisage d’étendre cette recherche pour estimer la gravité des maladies chroniques, prédire l’espérance de vie et anticiper les complications chirurgicales possibles.
Reference : “Chest radiography as a biomarker of ageing: artificial intelligence-based, multi-institutional model development and validation in Japan” – DOI : 10.1016/S2666-7568(23)00133-2
[ Rédaction ]
