Une étude parue dans Nature le 7 janvier présente comment l'intelligence artificielle DeepGestalt identifie des phénotypes faciaux de maladies génétiques en utilisant le deep learning.
Plus fort que les professionnels
Plus de 17'000 images ont servi de base d'apprentissage au programme pour diagnostiquer quelque deux cents maladies. Dans plus de 90% des cas, DeepGestalt a été capable d'identifier la maladie concernée, sur la base de la simple photographie d'un visage. Des résultats supérieurs à ceux atteints par des professionnels.
Caractéristiques physiques spécifiques
De nombreuses maladies génétiques s'accompagnent de caractéristiques physiques, comme un nez plus court et un front plus grand pour la maladie de Williams par exemple, ou les yeux en amande pour la trisomie 21.
Pour les chercheurs, DeepGestalt est un outil de diagnostic très prometteur, s'il est utilisé à bon escient. Ces mêmes chercheurs s'alarment des risques associés à ce système d'identification de la pathologie sur simple portrait. A l'heure où les images sont partout, des conclusions hâtives pourraient être tirées; des employeurs pourraient vouloir écarter des candidats jugés à risque ...sur simple photo.
Katja Schaer/sjaq