Si la reconnaissance faciale est de plus en plus utilisée dans des contextes judiciaires et/ou sécuritaires, elle peut aussi être mise à profit dans certaines situations pathologiques pour aider le diagnostic de maladies telles que le syndrome d’apnées obstructives du sommeil (SAOS), selon la communication de Rong et collaborateurs (A1383).
Quel que soit le contexte, la reconnaissance faciale utilise deux concepts à la mode : les données massives (Big Data) et l’apprentissage profond (Deep Learning), pièce angulaire de l’intelligence artificielle. À partir d’un très grand nombre d’images enregistrant les données biométriques, notamment cranio-faciales, de 400 malades souffrant de ronflements nocturnes, Rong et coll. ont construit les algorithmes reliant les caractéristiques morphologiques des patients (rétroprognatisme, forme du cou) (figure) et l’existence d’un SAOS selon les critères polysomnographiques (PSG). Ces auteurs ont trouvé que 80 % des ronfleurs ont un SAOS confirmé par PSG. L’utilisation de l’algorithme basée sur la reconnaissance faciale par intelligence artificielle est fortement corrélée aux résultats de la PSG avec une sensibilité de 80 % et une spécificité de 91 %. Ces auteurs proposent donc cette nouvelle approche comme moyen non invasif et rapide pour détecter un SAOS.
[hr]Anh Tuan Dinh-Xuan, service de physiologie-explorations fonctionnelles, hôpital Cochin, Paris
D’après la communication A1383 de Rong et coll. A screening test on the diagnosis of obstructive sleep apnea hypopnea syndrome (OSAHS) using facial recognition technology.
© iSPLF – Mission ATS – MAI 2019
