
L’hyperplasie congénitale des surrénales (CAH) est un trouble qui affecte la capacité de la glande surrénale à libérer des hormones qui régulent la réponse du corps au stress et à la maladie. CAH est traitable, mais peut être potentiellement mortelle pendant la maladie ou si elle n’est pas gérée. Le trouble est difficile à identifier et il reste encore beaucoup à comprendre sur la maladie. Mais de nouvelles recherches menées à l’hôpital pour enfants de Los Angeles ont montré que les ordinateurs peuvent utiliser des traits faciaux subtils pour reconnaître CAH. Cette découverte pourrait conduire à une meilleure identification du trouble et à une meilleure prise en charge des patients CAH.
En endocrinologie, la CAH est l’une des rares situations d’urgence que nous rencontrons. C’est la principale cause d’insuffisance surrénalienne chez les enfants, ce qui signifie que le corps ne peut pas produire d’aldostérone, d’adrénaline et de cortisol. «
Mimi Kim, MD, MSc, codirectrice de la clinique de soins complets CAH à l’hôpital pour enfants de Los Angeles
Ces hormones permettent au corps de gérer la tension artérielle et de répondre aux crises. De plus, le CAH est marqué par des niveaux plus élevés de testostérone, une hormone sexuelle. Cela peut entraîner des changements dans les organes génitaux chez les patientes. Mais la testostérone a un autre effet qui n’est pas directement lié au sexe ou au genre – un effet qui pourrait être utilisé pour aider à identifier CAH.
«Il est assez bien admis que les hormones comme la testostérone aident à façonner les traits du visage», explique le Dr Kim. « Puisque CAH provoque une forte testostérone au cours du développement, il va de soi que des différences, même subtiles, pourraient être présentes chez les patients CAH. » Cela, dit-elle, l’a amenée à se demander si la morphologie du visage – un ensemble de traits physiques – pourrait aider les cliniciens à identifier les patients atteints de CAH.
«Il n’y avait pas encore de lien établi entre la CAH et la morphologie du visage», explique le Dr Kim. Cela pourrait être dû au fait que les différences faciales sont suffisamment subtiles pour être manquées par la plupart des cliniciens. «Mais les progrès de l’apprentissage automatique ont parcouru un long chemin», dit-elle, «en particulier dans le domaine de la reconnaissance faciale».
Le Dr Kim a fait équipe avec des ingénieurs et des scientifiques de l’Institut des sciences de l’information de l’Université de Californie du Sud pour concevoir et tester son hypothèse. L’équipe a chargé des images de 102 patients atteints de CAH et de 144 individus témoins dans des ordinateurs formés à la reconnaissance faciale. Grâce à l’apprentissage automatique, les ordinateurs ont pu identifier des différences subtiles dans la morphologie du visage et identifier correctement les patients atteints de CAH avec une précision supérieure à 90%.
L’étude représente une étape importante sur la voie d’une meilleure identification et compréhension de CAH. Les résultats établissent, pour la première fois, qu’il existe non seulement un lien entre la morphologie faciale et la CAH, mais que les ordinateurs peuvent détecter ce lien et prédire la CAH en fonction des caractéristiques faciales des patients.
Bien que les nouveau-nés soient systématiquement soumis à un dépistage de la CAH, les tests génétiques sont coûteux et difficiles à obtenir, et il n’est pas simple de caractériser la gravité de la maladie. «Nous avons vraiment besoin d’un moyen plus sensible et plus simple», déclare le Dr Kim. « J’espère que c’est ça; que nous pouvons utiliser le meilleur de la technologie pour mieux comprendre CAH et aider nos patients. »
L’étude a été publiée dans la revue scientifique Réseau JAMA ouvert. Les co-premiers auteurs de l’étude étaient Wael AbdAlmageed et Hengameh Mirzaalian de l’USC Information Sciences Institute.
La source:
Hôpital pour enfants de Los Angeles
Référence du journal:
AbdAlmageed, W., et coll. (2020) Évaluation des caractéristiques morphologiques faciales chez les patients atteints d’hyperplasie surrénale congénitale à l’aide de l’apprentissage en profondeur. Réseau JAMA ouvert. doi.org/10.1001/jamanetworkopen.2020.22199.

















