A Machine Learning System for Quantifying Facial Asymmetry in Bell’s Palsy across Underrepresented Phenotypes

La paralisi facciale, spesso nota come paralisi di Bell, è una condizione improvvisa in cui i muscoli su un lato del viso si indeboliscono o smettono completamente di funzionare. Può lasciare una persona con la bocca cadente, un occhio chiuso che non si apre e una fronte che rifiuta di corrugarsi. Per i medici, giudicare la gravità di questa condizione e monitorare se un paziente stia migliorando dipende solitamente da un occhio esperto. Uno specialista osserva il volto e assegna un punteggio in base a quanta mobilità rimane. Questo metodo funziona bene quando è presente uno specialista, ma in molte parti del mondo, in particolare in Asia meridionale, tali esperti sono rari. La maggior parte dei pazienti viene visitata per la prima volta da medici generici che potrebbero non avere lo stesso livello di formazione. Per complicare ulteriormente le cose, il giudizio umano può variare da un medico all'altro, e i piccoli miglioramenti nelle condizioni di un paziente sono difficili da individuare quando vengono misurati tramite una scala soggettiva piuttosto che un numero preciso.

I ricercatori sperano da tempo che i computer possano risolvere questo problema, scattando una fotografia al volto di un paziente e misurando la differenza tra il lato sinistro e quello destro con perfetta coerenza. L'idea è quella di costruire uno strumento che funzioni su hardware comune, come un normale laptop o un tablet, in modo da poter essere utilizzato nelle cliniche senza attrezzature costose. Tuttavia, una preoccupazione principale è stata se questi strumenti informatici funzionino ugualmente bene per persone di ogni estrazione. Molti sistemi di riconoscimento facciale sono stati storicamente addestrati su dataset che presentano principalmente persone con tonalità di pelle più chiare, portando al timore che possano fallire o fornire letture imprecise per persone con pelle più scura o tratti del viso differenti. Se uno strumento destinato ad aiutare tutti fallisce silenziosamente su gruppi specifici di persone, potrebbe fare più danni che altro.

Un team di ricercatori della King Edward Medical University si è posto l'obiettivo di testare un nuovo sistema informatico progettato specificamente per questo compito, concentrandosi sulla capacità di misurare in modo affidabile l'asimmetria facciale attraverso una vasta gamma di volti umani. Non hanno ancora testato il sistema su pazienti affetti da paralisi di Bell; hanno invece utilizzato una vasta collezione di fotografie di persone sane provenienti da sette diversi gruppi demografici per vedere come si comportava lo strumento in assenza di patologie. Il loro obiettivo era garantire che il sistema fosse stabile ed equo prima di essere mai utilizzato su un paziente malato. Hanno costruito una pipeline che prima individua il volto in una foto, poi mappa centinaia di punti attraverso la pelle per creare un contorno digitale e, infine, traccia una linea immaginaria lungo il centro del viso per misurare quanto ogni punto si trovi distante da tale centro.

Il sistema che hanno costruito utilizza un componente software pre-addestrato in grado di trovare istantaneamente 478 punti specifici su un volto da una singola immagine. Una volta ottenuti questi punti, calcola un punteggio che rappresenta quanto il viso sia irregolare. Un punteggio di zero indicherebbe un volto perfettamente simmetrico, mentre un punteggio più alto indica una maggiore asimmetria. I ricercatori hanno testato il sistema su oltre 10.000 immagini provenienti da un dataset pubblico chiamato FairFace, che è stato accuratamente costruito per includere numeri equilibrati di persone di origine est-asiatica, sud-est asiatica, indiana, nera, ispanica latina, bianca e mediorientale. Volevano vedere se il computer fosse in grado di trovare il volto nella foto e se il punteggio di asimmetria risultante fosse coerente tra tutti questi diversi gruppi.

I risultati hanno mostato che il sistema è ampiamente efficace ma presenta alcune specifiche peculiarità. È riuscito a trovare il volto e a calcolare un punteggio in circa il 90 percento delle immagini. Tuttavia, il tasso di fallimento nel trovare un volto non era lo stesso per tutti. Contrariamente alla comune aspettativa che tali strumenti abbiano maggiori difficoltà con i volti non occidentali, questo sistema ha fallito più spesso su volti bianchi e mediorientali rispetto ai volti del sud-est asiatico. Il tasso di fallimento è stato il più basso per i volti del sud-est asiatico, circa il 6 percento, e il più alto per i volti bianchi, quasi il 13 percento. I ricercatori hanno osservato che questo ribaltamento deriva probabilmente dalle differenze nella provenienza delle foto, come variazioni nell'illuminazione, la presenza di barbe o occhiali, o l'angolazione della testa, piuttosto che da un difetto fondamentale nel modo in cui il computer vede le diverse tonalità della pelle. Questo risultato suggerisce che, prima di distribuire uno strumento del genere in una nuova regione, è essenziale testarlo direttamente sulla popolazione locale, anziché assumere che si comporterà nello stesso modo di quanto fatto in un dataset diverso.

Quando il sistema misurava con successo i volti di persone sane, i risultati erano notevolmente coerenti. Il punteggio medio di asimmetria per un volto sano era molto basso, attestandosi intorno a 0,187. Sebbene i test statistici mostrassero minuscole differenze tra i gruppi, tali differenze erano così esigue da non avere importanza in un contesto clinico reale. Il sistema ha dimostrato di poter misurare un volto sano con la stessa precisione di base indipendentemente dal background demografico della persona. Una parte specifica della misurazione, tuttavia, si è rivelata inaffidabile: l'area intorno all'angolo interno dell'occhio. Poiché questa parte del viso è molto vicina alla linea centrale, la matematica utilizzata per calcolare il punteggio è diventata instabile, producendo numeri artificialmente alti che non riflettevano la reale struttura facciale. I ricercatori hanno identificato questo fenomeno come un artefatto matematico piuttosto che un reale dato biologico, sottolineando che lo strumento funziona meglio quando osserva caratteristiche più distanti dal centro, come la bocca o l'esterno dell'occhio.

Per rendere lo strumento utile ai medici, i ricercatori hanno anche stabilito un modo per segnalare le immagini che potrebbero richiedere attenzione. Hanno calcolato un punteggio di soglia per ogni gruppo, impostandolo in modo che solo il 5 percento dei volti sani venisse segnalato come potenzialmente anomalo. Queste soglie erano molto simili tra tutti i gruppi, con una variazione minima di circa l'8,8 percento tra il valore più basso e quello più alto. Ciò significa che un singolo punteggio standard potrebbe probabilmente essere utilizzato per la maggior parte delle persone, sebbene il sistema possa necessitare di una regola leggermente adattata per i volti del sud-est asiatico per evitare troppi falsi allarmi. I ricercatori hanno precisato con cura che questo sistema attualmente controlla solo i falsi allarmi su persone sane; non è ancora stato testato per vedere se possa identificare correttamente i casi reali di paralisi di Bell. Questo è il passo successivo.

Lo studio conclude che questo sistema informatico leggero è pronto per passare da un test teorico a una prova nel mondo reale, a patto che i medici ne comprendano i limiti. È uno strumento che può girare su hardware comune e fornire misurazioni coerenti tra popolazioni diverse, ma non è ancora un dispositivo diagnostico. I ricercatori sottolineano che la capacità del sistema di rilevare la malattia stessa non è ancora provata e deve essere validata in uno studio clinico con pazienti reali. Fino ad allora, lo strumento serve come modo affidabile per misurare la simmetria facciale negli individui sani, offrendo una strada promettente verso una cura più coerente e accessibile per le persone affette da paralisi facciale in contesti con risorse limitate. Il lavoro evidenzia che prima che una macchina possa aiutare un medico, deve prima dimostrare di poter vedere il mondo chiaramente, senza pregiudizi o errori, attraverso l'intero spettro dei volti umani.