Des chercheurs japonais affirment avoir développé un modèle d'intelligence artificielle capable d'aider à détecter l'acromégalie en analysant des photos du dos de la main et d'un poing fermé — une approche conçue pour éviter l'utilisation d'images faciales ou d'empreintes digitales. L'équipe rapporte que le système a bien performé lors des tests et pourrait aider les cliniciens à identifier plus tôt les cas potentiels et à orienter les patients vers une évaluation spécialisée.
L'acromégalie est un trouble endocrinien rare, se développant généralement à l'âge adulte, au cours duquel le corps produit trop d'hormone de croissance — le plus souvent en raison d'une tumeur hypophysaire. Cette affection peut causer un élargissement progressif des mains et des pieds, des changements dans l'apparence faciale, et des effets plus larges sur la croissance des os et des organes. Because symptoms often develop slowly, diagnosis can be delayed for years. « Parce que cette affection progresse si lentement, et parce qu'il s'agit d'une maladie rare, il n'est pas rare qu'il faille jusqu'à une décennie pour la diagnostiquer », a déclaré l'endocrinologue de l'université de Kobe, Hidenori Fukuoka. While some research has explored using artificial intelligence to identify acromegaly from photographs, much of it has relied on facial images, which can raise privacy concerns. Seeking a less identifying alternative, the Kobe University-led group trained a deep-learning model using two types of hand photographs: an extended hand showing the back of the hand, and a clenched fist with the thumb positioned externally. The researchers said they avoided palm images because palm patterns can be used as biometric identifiers. Selon l'étude, 725 participants ont été recrutés dans 15 établissements médicaux au Japon, contribuant à plus de 11 000 images utilisées pour entraîner et valider le modèle. Le travail a été publié dans The Journal of Clinical Endocrinology & Metabolism sous le titre « Automatic Acromegaly Detection Using Deep Learning on Hand Images: A Multicenter Observational Study ». Les auteurs ont rapporté que le système avait obtenu « une sensibilité et une spécificité très élevées », et qu'il avait surpassé des endocrinologues expérimentés chargés d'évaluer les mêmes photographies. L'étudiante diplômée Yuka Ohmachi a déclaré être surprise par les performances du modèle en utilisant uniquement ces vues des mains : « Ce qui m'a particulièrement frappée, c'est d'atteindre ce niveau de performance sans les traits faciaux, ce qui rend cette approche beaucoup plus pratique pour le dépistage des maladies. » Les chercheurs ont souligné que les photographies seules ne suffisent pas pour le diagnostic, qui nécessite généralement une évaluation clinique et des tests hormonaux. Néanmoins, ils ont indiqué qu'un outil de dépistage pourrait inciter à un suivi plus précoce, en particulier dans les contextes où l'accès aux spécialistes est limité. « Nous pensons que, en développant davantage cette technologie, elle pourrait mener à la création d'une infrastructure médicale lors des bilans de santé complets pour relier les cas suspects de troubles liés aux mains aux spécialistes », a déclaré Fukuoka. L'équipe a indiqué qu'elle prévoyait d'explorer si des méthodes similaires basées sur les images pourraient être adaptées pour aider à détecter d'autres affections présentant des signes visibles aux mains, y compris la polyarthrite rhumatoïde, l'anémie et l'hippocratisme digital. La recherche a été financée par la Hyogo Foundation for Science Technology et a impliqué des collaborateurs de plusieurs institutions japonaises, dont l'université Fukuoka et l'université Nagoya, ont précisé les chercheurs.
