Une étude montre qu’une IA détecte hypertension et diabète

Un court enregistrement à haute vitesse du visage et des paumes d’une personne a produit deux signaux médicaux dans le cadre d’une étude japonaise : une précision de 95,0 % pour détecter l’hypertension à partir de 30 secondes de vidéo, et une précision de 88,2 % pour le diabète grâce aux schémas de circulation sanguine du visage sur la même durée. Ces travaux de l’Université de Tokyo et de l’Institut des sciences de Tokyo seront présentés au Congrès de l’ESC 2026.

Cette étude prospective et monocentrique a porté sur 215 participants, parmi lesquels des patients ayant reçu un diagnostic et des volontaires en bonne santé. Le système de machine learning a analysé la dynamique des ondes de pouls — des signaux associés à la rigidité artérielle — ainsi que les schémas de circulation sanguine cutanée et les caractéristiques spectrales de la coloration de la peau. Les participants ont également fait l’objet d’évaluations conventionnelles de l’hypertension et du diabète.

La rapidité était au cœur du test. La précision pour l’hypertension restait de 90,3 % avec une vidéo de 5 secondes, tandis que la détection du diabète atteignait 81,2 %. Pour l’hypertension, le meilleur résultat rapporté reposait sur l’analyse des ondes de pouls à partir de vidéos du visage et des paumes. Le système pouvait également estimer la pression artérielle systolique à partir d’une vidéo du visage uniquement, sans brassard.

Cette estimation de la pression artérielle montre à la fois le potentiel et les limites de la méthode. L’erreur moyenne était de −2,6 mmHg, soit dans la limite de ±5,0 mmHg fixée par l’Association for the Advancement of Medical Instrumentation, mais l’écart type de l’erreur atteignait ±12,0 mmHg, au-dessus de son critère de ±8,0 mmHg. Les chercheurs prévoient de constituer des jeux de données plus vastes et multicentriques et d’optimiser davantage les caractéristiques analysées afin de réduire cette dispersion.

Qu’est-ce que cela change en pratique ? Si ces résultats se confirment sur des cohortes plus vastes et plus diversifiées, le dépistage pourrait s’installer dans des contextes du quotidien où l’utilisation d’un brassard, le prélèvement sanguin ou une consultation dédiée serait difficile. Cela pourrait aider à identifier des personnes qui restent aujourd’hui non diagnostiquées et non traitées. Pour l’instant, les données proviennent d’un seul centre, et l’équipe décrit encore une voie vers une application en conditions réelles plutôt qu’un service médical déployé.