Lorsqu’un patient est atteint d’un cancer, son visage peut, dans certains cas, rassembler un ensemble de caractéristiques physionomiques précieuses aux oncologues qui le suivent. Des marqueurs morphologiques qui servent d’indices aux cliniciens pour évaluer, par exemple, si un patient est suffisamment solide pour encaisser une chimiothérapie ou une radiothérapie lourde. Le problème, c’est que cette évaluation est, par nature, entièrement subjective : d’un praticien à un autre, elle peut changer et elle n’est pas reproductible.
Une équipe du Mass General Brigham (le plus grand réseau hospitalo-universitaire du Massachusetts, rattaché à Harvard, et qui abrite le plus important programme de recherche hospitalier des États-Unis) vient de démontrer qu’il était possible d’objectiver ce regard clinique grâce à l’IA. Elle a développé un modèle baptisé FAHR-Face (pour « Foundation Artificial Intelligence for Health Recognition – Face »), qui a été entraîné sur plus de 40 millions de photographies de visages puis spécialisé pour deux tâches différentes : estimer l’âge biologique d’une personne (FAHR-FaceAge) et prédire la survie d’un patient atteint d’un cancer (FAHR-FaceSurvival). Leurs travaux, publiés le 19 octobre 2026 dans la revue The Lancet Digital Health, constituent, selon leurs auteurs, « la première démonstration qu’un modèle d’IA peut directement prédire la survie d’un patient atteint de cancer à partir d’une simple photographie ».
FAHR-Face : un modèle d’IA médical entraîné à voir au-delà des apparences
Comme les modèles d’IA grand public comme ChatGPT ou Gemini, FAHR-Face est ce qu’on appelle un « modèle de fondation ». Il a été entraîné de la même manière : d’abord sur un volume colossal de données pour acquérir une compréhension générale de son domaine, puis spécialisé pour effectuer des tâches ciblées. La seule grande différence qui le sépare de ces chatbots (des IA génératives de texte), c’est son corpus d’entraînement, composé de 40 millions de photographies de visages humains, de toutes origines ethniques et de tous âges.
En les analysant, FAHR-Face a appris ce qui structure un visage (proportions, texture de la peau, profondeur des sillons, état des tissus sous-orbitaires) et surtout ce qui l’altère au fil du temps : le vieillissement cellulaire, les pathologies, le tabagisme, l’alcool et les carences nutritionnelles. Les chercheurs, une fois ce socle de connaissances acquis, l’ont orienté vers les deux applications médicales FAHR-FaceAge et FAHR-FaceSurvival.
FAHR-FaceAge parvient à estimer l’âge biologique d’une personne, c’est-à-dire l’état réel dans lequel se trouvent ses cellules, ses tissus, ses organes et ses systèmes physiologiques, par opposition à l’âge inscrit sur sa carte d’identité. Pour y parvenir, il se concentre sur les zones du visage où le vieillissement s’inscrit le plus lisiblement : le front, les tempes, les sillons nasogéniens (les plis qui relient le nez aux commissures des lèvres) et le contour des yeux.
Déjà validé sur une cohorte de 38 000 patients de Harvard, il a montré que ceux dont le visage affichait au moins cinq ans de plus que leur âge civil avaient un risque de décès supérieur de 21 %, toutes causes confondues, après ajustement pour l’âge, le sexe, le type de cancer et le stade de la maladie. Le modèle a aussi révélé que le tabagisme, l’alcool et la consommation de drogues étaient associés à un vieillissement facial accéléré.
FAHR-FaceSurvival, la seconde spécialisation du modèle, évalue le risque de décès d’un patient atteint d’un cancer, en analysant la zone sous-orbitaire et le pourtour de l’arête nasale.
Pour le tester, les chercheurs ont soumis au modèle les photographies de patients atteints d’un cancer et traités en radiothérapie, sans lui fournir aucune autre information que leur visage. FAHR-FaceSurvival a ensuite classé automatiquement chaque patient dans une catégorie de risque, du plus faible au plus élevé.
Parmi les 122 patients que le modèle a placés dans la catégorie la plus critique, plus de la moitié (52,5 %) sont effectivement décédés dans les 90 jours suivant la prise de la photo. À l’inverse, sur les 975 patients classés dans la catégorie la moins à risque, seuls 2 % environ sont décédés dans le même délai.
En répartissant l’ensemble des patients en quatre groupes classés selon la gravité du pronostic, ceux du groupe le plus à risque mouraient 3,23 fois plus souvent que ceux du groupe le moins exposé, un écart considérable, a fortiori lorsqu’on sait qu’aucune donnée d’examen complémentaire n’a été apportée au modèle.
L’IA qui sait lire dans le passé, mais pas encore prédire l’avenir
Des résultats impressionnants, mais qui doivent toutefois être remis dans leur contexte. Cette étude est rétrospective : les chercheurs ont nourri le modèle avec des photos de patients dont l’issue était déjà connue, et ont vérifié après coup si ses prédictions correspondaient bien à la réalité. Cette méthode prouve que FAHR-FaceSurvival sait classer correctement des données passées avec un haut niveau de fiabilité, mais elle ne démontre pas encore qu’il améliorerait la prise de décision médicale s’il était utilisé en temps réel.
Seuls des essais cliniques prospectifs (dans lesquels le modèle serait intégré au parcours de soins et où l’on mesure son effet concret sur la prise en charge) pourront le prouver. Deux ont déjà été lancés au Mass General Brigham et les chercheurs ont même ouvert un portail public afin que n’importe qui puisse téléverser une photo de son visage pour étoffer leur base de données. Ils précisent sur la page d’accueil que la procédure ne prend pas plus de 10 minutes et que « toutes les photos et données sont stockées de manière sécurisée et utilisées uniquement à des fins de recherche ». Rien ne vous empêche d’essayer : en soumettant votre photo, vous obtiendrez une estimation de votre âge biologique par FAHR-FaceAge, et vous participez, anonymement, à l’amélioration d’un outil qui pourrait, à terme, révolutionner l’évaluation préthérapeutique en oncologie.