Google veut évaluer le risque métabolique à partir d’une simple photo

Google Research explore une nouvelle manière d’évaluer le risque cardiométabolique : utiliser de simples photos prises avec un smartphone pour estimer la composition corporelle et aller au-delà des limites de l’IMC. Encore expérimentale, cette approche pourrait ouvrir la voie à des outils de prévention plus accessibles, capables de mieux repérer certains profils à risque sans recourir à des examens lourds. Découverte.

Et si une photo prise avec un smartphone permettait demain d’aller plus loin que l’IMC pour évaluer le risque cardiométabolique ? Google Research vient de présenter PhotoScan, une approche expérimentale utilisant le deep learning pour estimer la composition corporelle à partir d’images 2D. Les premiers résultats suggèrent que ces données pourraient aider à repérer l’insulinorésistance avec des performances proches de celles obtenues à partir d’un examen DXA. Une piste prometteuse pour rendre le dépistage métabolique plus accessible, mais qui reste encore au stade de la recherche.

L’IMC a un immense avantage : il est simple. Un poids, une taille, une formule, et chacun peut obtenir en quelques secondes un indicateur largement utilisé pour évaluer la corpulence. Mais cette simplicité constitue aussi sa principale limite. Deux personnes présentant exactement le même indice de masse corporelle peuvent avoir des compositions corporelles très différentes. L’une peut présenter une proportion importante de graisse viscérale, l’autre davantage de masse musculaire. Or, du point de vue du risque métabolique, ces situations ne sont évidemment pas équivalentes.

C’est précisément ce problème que Google Research cherche à résoudre avec PhotoScan, une méthode expérimentale capable d’estimer plusieurs indicateurs de composition corporelle à partir de simples photos réalisées avec un smartphone. L’ambition dépasse largement l’estimation du taux de masse grasse. À terme, le smartphone pourrait devenir un nouvel outil de phénotypage numérique, capable de fournir des informations sur la répartition des graisses et d’aider à identifier plus précocement certains risques cardiométaboliques.

Pourquoi Google veut aller « au-delà de l’IMC »

L’IMC rapporte le poids d’une personne au carré de sa taille. Il ne dit en revanche quasiment rien de la manière dont ce poids est réparti. Or cette répartition compte beaucoup. La graisse accumulée autour des organes abdominaux n’a pas les mêmes implications métaboliques que la graisse sous-cutanée. De même, une accumulation plus importante de graisse au niveau du tronc est associée à des profils métaboliques différents d’une distribution davantage localisée au niveau des hanches et des cuisses.

Google cherche donc à estimer trois indicateurs principaux avec PhotoScan : le pourcentage total de masse grasse, le ratio entre la graisse abdominale et celle située au niveau des hanches et des cuisses (appelé ratio androïde/gynoïde) et le rapport entre graisse viscérale et graisse sous-cutanée. Ces paramètres peuvent fournir une lecture beaucoup plus fine du profil corporel que le seul IMC. Et c’est particulièrement intéressant lorsqu’on s’intéresse à l’insulinorésistance.

L’insulinorésistance, un signal qui peut précéder le diabète de plusieurs années

L’insulinorésistance apparaît lorsque les cellules de l’organisme répondent moins efficacement à l’action de l’insuline. Le pancréas doit alors en produire davantage pour maintenir une glycémie normale. Cette situation peut exister longtemps avant que les taux de glucose ne franchissent les seuils diagnostiques d’un diabète de type 2. Elle est également associée à différentes complications métaboliques et cardiovasculaires. Pouvoir identifier plus facilement les personnes présentant ce profil représente donc un enjeu important de prévention.

Aujourd’hui, l’évaluation fine de la composition corporelle peut notamment passer par la DXA (l’absorptiométrie biphotonique à rayons X) utilisée comme méthode de référence dans de nombreux contextes cliniques et de recherche. Elle permet d’évaluer avec précision la masse grasse, la masse maigre et leur répartition. Mais l’équipement est coûteux, nécessite une infrastructure dédiée et n’a évidemment pas vocation à devenir un outil de dépistage massif utilisé à domicile. Google cherche donc à reproduire une partie de cette information… avec l’appareil photo d’un smartphone.

Comment fonctionne PhotoScan ?

Le principe paraît presque déconcertant de simplicité. PhotoScan exploite des images corporelles prises de face et de profil pour extraire des informations géométriques sur la silhouette. Derrière cette apparente simplicité se cache cependant un important travail d’entraînement algorithmique.

Google Research a d’abord pré-entraîné son réseau de neurones sur les données de 35 323 participants de la UK Biobank. Les chercheurs disposaient notamment d’imageries permettant de reconstruire des représentations corporelles et de mesures DXA servant de référence. Le modèle a ensuite été affiné sur une nouvelle cohorte de 677 adultes, pour lesquels Google disposait cette fois de véritables photographies prises avec un smartphone et de mesures DXA correspondantes.

Enfin, les chercheurs l’ont évalué sur une cohorte indépendante de 132 participants issue d’une étude longitudinale menée à San Francisco. Ces participants disposaient d’un ensemble particulièrement riche de mesures comprenant DXA, données PhotoScan, bio-impédancemétrie, mesures anthropométriques, analyses sanguines à jeun et suivi passif avec Fitbit. L’objectif : vérifier si les informations extraites d’une simple photo pouvaient réellement apporter quelque chose dans l’évaluation du risque métabolique.

Une estimation de la masse grasse plus précise que la bio-impédancemétrie testée

Les résultats publiés par Google sont intéressants. Sur la cohorte utilisée pour affiner le modèle, PhotoScan affichait une erreur absolue moyenne de 2,15 points de pourcentage pour l’estimation de la masse grasse, contre 2,91 pour la méthode de bio-impédancemétrie utilisée dans la comparaison. Sur la cohorte indépendante, l’erreur restait proche, à 2,13 points. Mais l’intérêt de PhotoScan se situe surtout ailleurs.

Contrairement à la bio-impédancemétrie comparée dans l’étude, l’analyse des images permet également d’estimer la répartition de la graisse, notamment les ratios androïde/gynoïde et viscéral/sous-cutané. C’est cette information supplémentaire qui semble particulièrement utile pour l’évaluation du risque métabolique.

Presque aussi performant que la DXA pour repérer l’insulinorésistance ? Google a ensuite cherché à déterminer si ces estimations permettaient de mieux identifier les personnes présentant une insulinorésistance. Les chercheurs ont comparé plusieurs modèles. Un premier modèle reposant essentiellement sur des données démographiques, notamment âge, sexe et IMC, obtenait une aire sous la courbe ROC, ou AUROC, de 0,692. Lorsque les chercheurs ajoutaient les mesures issues de PhotoScan, l’AUROC progressait à 0,760. Avec les données de composition corporelle obtenues par DXA, elle atteignait 0,773.

Dit autrement, dans cette cohorte de recherche, l’ajout des données estimées par smartphone permettait d’obtenir une capacité de discrimination proche de celle obtenue avec des données issues d’un examen de référence. C’est évidemment le résultat le plus spectaculaire de l’étude. Mais il faut être précis sur ce qu’il signifie. PhotoScan ne mesure pas directement l’insulinorésistance à partir d’une photographie. Le système estime d’abord des caractéristiques de composition corporelle. Celles-ci sont ensuite combinées avec d’autres informations démographiques dans un modèle destiné à classer le risque d’insulinorésistance. La différence est essentielle.

Le smartphone devient progressivement un capteur médical

Cette recherche s’inscrit dans une stratégie beaucoup plus large de Google. Quelques mois auparavant, Google Research avait par exemple présenté un système expérimental utilisant la caméra frontale d’un smartphone pour estimer passivement la fréquence cardiaque pendant l’utilisation quotidienne du téléphone.

Avec PhotoScan, le smartphone n’est plus seulement envisagé comme une interface permettant de consulter une application de santé. Il devient lui-même un capteur. Son appareil photo peut potentiellement servir à mesurer des paramètres physiologiques ou morphologiques sans nécessiter l’achat d’un dispositif spécialisé. Cette évolution pourrait être particulièrement intéressante pour la prévention. Car l’un des principaux obstacles au dépistage populationnel reste le coût de la mesure.

Une technologie peut avoir une excellente valeur clinique tout en étant difficilement utilisable à grande échelle si elle nécessite une machine coûteuse, un professionnel spécialement formé ou un passage dans un établissement. Le smartphone inverse cette équation. Des milliards de personnes possèdent déjà le capteur. Reste à déterminer si le logiciel peut transformer ce capteur grand public en outil suffisamment fiable pour produire une information de santé utile.

Vers un « examen de composition corporelle » à domicile ?

On peut facilement imaginer les usages possibles. Une personne pourrait réaliser périodiquement deux photographies afin de suivre l’évolution de sa composition corporelle. Un programme de prévention du diabète pourrait utiliser cette information en complément du poids, de l’activité physique ou de la glycémie. Une prise en charge de l’obésité pourrait suivre non seulement les kilos perdus, mais aussi l’évolution de la graisse abdominale.

Des données issues d’une montre ou d’un bracelet connecté pourraient également être combinées aux estimations de composition corporelle. Google évoque précisément cette piste. Les chercheurs souhaitent à terme associer les informations issues de PhotoScan à des données continues provenant des wearables, à la dynamique du glucose ou encore à des biomarqueurs sanguins. Le changement de paradigme serait important. Nous passerions d’une prévention reposant sur quelques indicateurs très simples (poids, IMC, tour de taille) à une évaluation multimodale et longitudinale du risque métabolique.

La vraie révolution pourrait être l’accessibilité de la mesure

PhotoScan n’invente évidemment pas la possibilité d’évaluer la composition corporelle. La médecine sait déjà le faire de manière beaucoup plus précise. L’innovation réside plutôt dans le coût potentiel et la capacité de diffusion. Si une information proche de celle fournie par des équipements spécialisés peut être approximée avec suffisamment de précision à partir d’un smartphone, les usages changent d’échelle.

C’est un phénomène déjà observé dans d’autres domaines de la santé numérique. Les montres connectées ont rendu la mesure régulière du rythme cardiaque accessible à des millions de personnes. Les smartphones ont démocratisé la télémédecine. Les capteurs de glucose en continu déplacent progressivement la mesure de la glycémie du ponctuel vers le continu. PhotoScan applique la même logique à la composition corporelle : transformer une mesure historiquement spécialisée en donnée potentiellement accessible au quotidien.

Mais une étude prometteuse n’est pas encore un outil de dépistage

Il serait néanmoins prématuré d’imaginer PhotoScan intégré demain à tous les smartphones Android. Google le présente explicitement comme un prototype de recherche. Plusieurs limites devront encore être étudiées. La validation indépendante rapportée pour l’analyse de l’insulinorésistance repose notamment sur une cohorte de 132 personnes. Même si les résultats sont encourageants, ce nombre reste limité lorsqu’il s’agit d’envisager un outil de dépistage destiné à une population beaucoup plus vaste et hétérogène. Il faudra notamment déterminer comment les performances évoluent selon l’âge, le sexe, les morphologies, les populations, les conditions de prise de vue ou encore l’évolution du poids.

Autre point important : l’étude scientifique décrivant PhotoScan est à ce stade disponible sous la forme d’un preprint, donc avant validation par un processus classique de revue par les pairs. Les performances annoncées doivent donc être considérées comme des résultats de recherche prometteurs, et non comme la démonstration qu’une photographie peut aujourd’hui remplacer une DXA ou un bilan médical.

Photographier son corps pour évaluer sa santé : la question des données sera incontournable

Il existe enfin un sujet que les performances algorithmiques ne pourront pas évacuer : celui de la confidentialité. Une photographie corporelle constitue une donnée particulièrement sensible. Et une photographie à partir de laquelle un algorithme peut déduire de nouvelles caractéristiques de santé l’est encore davantage.

Si ce type de technologie devait un jour être déployé auprès du grand public, plusieurs questions deviendraient centrales : les images sont-elles conservées ? Où sont-elles traitées ? Peut-on effectuer l’analyse directement sur le smartphone ? Quels paramètres de santé sont déduits ? Qui peut y accéder ? La démocratisation du phénotypage numérique ne pourra fonctionner que si la confiance évolue au même rythme que la technologie. Car permettre à une caméra de téléphone d’observer davantage signifie également lui permettre de déduire davantage.

Après l’IMC, la médecine va-t-elle passer au phénotype numérique ? PhotoScan illustre finalement une évolution majeure de la santé numérique. L’objectif n’est plus seulement de numériser les mesures médicales existantes. Il consiste à exploiter des objets que nous utilisons déjà pour créer de nouveaux moyens de mesurer la santé. Une photo ne montre plus seulement une silhouette.

Pour un modèle d’intelligence artificielle entraîné sur plusieurs dizaines de milliers de personnes, elle peut potentiellement contenir des informations sur le pourcentage de masse grasse, sa répartition et, indirectement, certains risques métaboliques. Le potentiel en matière de prévention est considérable. Une détection plus accessible de l’insulinorésistance pourrait permettre d’identifier plus tôt des personnes à risque, avant même que certaines maladies métaboliques ne deviennent manifestes.

Mais le principal enseignement de PhotoScan n’est peut-être pas qu’une photo pourrait remplacer l’IMC. Il est plutôt que la santé numérique entre dans une phase où des capteurs parfaitement ordinaires peuvent produire des informations de plus en plus extraordinaires sur notre état de santé. Aujourd’hui, PhotoScan reste un projet de recherche. Demain, si ces résultats sont confirmés à plus grande échelle, prendre deux photos avec son smartphone pourrait peut-être devenir une nouvelle porte d’entrée vers la prévention cardiométabolique. À condition, une fois encore, que la facilité de la mesure ne fasse jamais oublier la nécessité de la validation clinique.

Source : Google