L’étude à l’origine de ces travaux a été menée par des chercheurs de l’Université de Kobe et publiée le 27 février 2026 dans la revue The Journal of Clinical Endocrinology and Metabolism. Elle s’intéresse à l’acromégalie, une maladie provoquée par une production excessive par l’organisme de l’hormone de croissance (GH). Survenant principalement chez l’adulte entre 40 et 50 ans, elle provoque de nombreux symptômes très handicapants : épaississement des traits du visage, élargissement des mains et des pieds, hypertrophie de la langue, déformation de la colonne vertébrale, augmentation de la taille du cœur.
Son diagnostic est extrêmement compliqué ; en effet, les changements physiques arrivent lentement et il peut s’écouler en moyenne de 4 à 10 ans entre les premiers signes et la confirmation du diagnostic. Diagnostic qui passe par plusieurs phases (bilans sanguins divers, imagerie médicale et autres), étalées dans le temps et souvent très complexes pour objectiver la pathologie. Les chercheurs japonais pensent toutefois avoir trouvé un moyen d’exploiter l’intelligence artificielle pour analyser des images de mains et repérer automatiquement certains signes cliniques précoces.
Un dépistage express par l’IA
Puisque la maladie modifie les traits du visage de façon prévisible, une machine peut détecter ces micro-changements mieux qu’un œil humain. C’est pourquoi, au début des années 2010, certaines recherches ont envisagé d’utiliser des algorithmes de reconnaissance faciale pour comparer des photos de patients à des bases de données d’individus sains afin de la dépister.
Le problème, c’est que ces systèmes posaient des problèmes concernant la protection de la vie privée et des données biométriques sensibles. En effet, l’anonymisation des données est quasi impossible lorsqu’on travaille sur les traits uniques d’un visage humain. Voilà pourquoi l’équipe du professeur Hidenori Fukuoka, de l’université de Kobe, a pu contourner cette impasse en se focalisant sur des photos du dos de la main et du poing fermé.
Pour entraîner ce modèle de machine learning, les scientifiques ont utilisé une base de données composée de plus de 11 000 images provenant de 725 participants. Leur outil affiche une valeur prédictive positive de 0,88 : lorsqu’il identifie un signe potentiellement pathologique, il voit juste dans 88 % des cas.
Mais que traque-t-il exactement ? L’IA segmente la morphologie au niveau millimétrique du dos de la main et peut ainsi détecter l’hypertrophie des tissus mous, l’élargissement des bases des phalanges et les modifications de la tension cutanée, autant de marqueurs qui pourraient être annonciateurs d’une acromégalie. « Franchement, j’ai été surprise que la précision du diagnostic atteigne un niveau aussi élevé […] », confesse Yuka Ohmachi, autrice principale de l’étude.
Comme l’acromégalie est très rare (prévalence de 8 à 24 individus sur 100 000), peu de médecins sont formés à la repérer, et cet outil, par conséquent, pourrait leur être d’une grande aide. « Selon nous, le perfectionnement de cette technologie permettrait de mettre en place, lors des examens de santé globaux, un dispositif médical capable de réorienter les patients présentant des anomalies aux mains vers les services spécialisés », explique le professeur Fukuoka. En plus de pouvoir, en théorie, réduire les délais d’errance médicale, l’équipe voit plus loin et estime donc que leur outil pourrait être utile pour dépister d’autres pathologies touchant cette zone du corps. Peu connues du grand public, elles sont pourtant nombreuses, et certaines sont très invalidantes : polyarthrite rhumatoïde, psoriasis rhumatismal, scléodermie, lupus érythémateux, syndrome du canal carpien… Bien sûr, l’outil reste toutefois à un stade précoce de son développement, mais les premiers résultats sont extrêmement encourageants, surtout pour une pathologie qui a tendance à être invisibilisée et passe encore trop souvent inaperçue.
🟣 Pour ne manquer aucune news sur le Journal du Geek, suivez-nous sur Google et sur notre canal WhatsApp. Et si vous nous adorez, on a une newsletter tous les matins.
