Détection non invasive de la jaunisse par expansion en bandes spectrales à partir d’images RVB et d’images hyperspectrales directes

Pourquoi des yeux jaunes comptent

La plupart des gens considèrent la jaunisse comme une simple coloration jaunâtre de la peau ou des yeux, mais derrière ce changement de teinte se cache une accumulation d’un pigment sanguin appelé bilirubine qui peut signaler des problèmes hépatiques ou sanguins graves. Aujourd’hui, mesurer la bilirubine implique généralement une prise de sang en clinique ou à l’hôpital, ce qui peut être douloureux, long et difficile d’accès pour les nouveau‑nés, les personnes âgées et les populations isolées. Cette étude pose une question apparemment simple aux conséquences potentiellement vastes : un appareil photo ordinaire de téléphone, assisté d’analyses d’image plus intelligentes et d’une caméra optique de niveau laboratoire, peut‑il détecter la jaunisse de façon suffisamment fiable pour orienter les soins sans aiguille ?

Chercher des indices dans le blanc de l’œil

L’équipe s’est d’abord concentrée sur la sclère — la partie blanche de l’œil — parce que sa couleur est moins affectée par l’exposition au soleil et la carnation que la peau elle‑même. Ils ont collecté des photos rapprochées des yeux de 47 patients sous deux types courants d’éclairage intérieur : lampes halogènes chaudes et tubes fluorescents plus froids. Pour s’assurer que des différences d’éclairage ambiant ne soient pas prises pour des signes de maladie, chaque image a été soumise à un processus de « normalisation » en deux étapes qui ancre les couleurs à des repères clairs et sombres présents dans la même image. Les chercheurs ont ensuite étendu chaque image ordinaire en rouge‑vert‑bleu (RVB) en 13 bandes colorimétriques choisies avec soin pour capturer les variations subtiles entre bleus, verts, jaunes et oranges — précisément la région où la jaunisse devient visible à l’œil humain.

Apprendre au téléphone à estimer la chimie sanguine

Pour chaque image de l’œil, l’empreinte colorimétrique en 13 bandes de la sclère a été fournie en entrée à un modèle d’apprentissage automatique compact appelé JaundiceAI‑Mobile. Plutôt que d’apprendre une réponse binaire oui/non, le système a appris à prédire le même indice numérique de jaunisse que les médecins obtiennent à partir des tests sanguins. L’entraînement a utilisé 90 images avec résultats sanguins connus, et le modèle a été ajusté séparément pour les deux types d’éclairage. Sous un éclairage de type fluorescent, qui ressemble à de nombreux environnements domestiques et de bureau, les prédictions correspondaient très étroitement aux mesures de laboratoire : l’ajustement statistique (R²) était de 0,988 et la corrélation linéaire de 0,9945, ce qui signifie que les estimations basées sur le téléphone suivaient presque parfaitement la montée et la baisse des taux de bilirubine dans le groupe étudié.

Voir au‑delà de la vision humaine avec des images hyperspectrales

Tandis que les téléphones n’enregistrent que trois larges canaux colorés, une caméra hyperspectrale spécialisée peut capturer des dizaines de bandes de longueurs d’onde étroites par pixel, y compris dans l’infrarouge proche invisible. Les chercheurs ont utilisé une telle caméra pour examiner les paumes des patients, extrayant de petites zones de peau lisse, de peau mixte et de plis cutanés. En convertissant des vidéos d’interférogrammes bruts en spectres complets, ils ont obtenu 141 points de longueur d’onde par zone, de 400 à 1 000 nanomètres. En moyennant ces spectres selon des groupes de sévérité de jaunisse, un tableau cohérent est apparu. Chez les personnes jaunies, la peau réfléchissait moins la lumière bleu‑vert (en dessous d’environ 550 nanomètres) mais plus la lumière jaune‑orange (environ 560–590 nanomètres), des changements qui correspondent à l’apparence jaunâtre classique. De manière plus intrigante, dans la région proche‑infrarouge l’équipe a identifié de nouveaux points de croisement où la peau jaunie et la peau saine inversaient leur intensité relative, notamment autour de 750–850 nanomètres et près de 850, 950 et 980 nanomètres.

Mains, plis et signaux cachés

Les plis de la paume se sont révélés particulièrement instructifs. Ces replis contiennent beaucoup de tissus conjonctifs susceptibles d’accumuler la bilirubine et sont moins influencés par le flux sanguin et les pigments. Les scans hyperspectraux des plis ont montré que, en lumière visible, les paumes jaunies avaient tendance à être plus sombres que les paumes normales. Pourtant, dans une fenêtre étroite du proche‑infrarouge, approximativement entre 690 et 855 nanomètres, la tendance s’inversait et les plis jaunis réfléchissaient plus la lumière. Ce schéma, associé aux points de croisement constants observés à la fois dans les données colorimétriques basées sur les yeux et dans les données hyperspectrales des paumes, suggère que la jaunisse corporelle suit une signature optique robuste qui peut être suivie à travers tissus et dispositifs. En cartographiant les 13 canaux colorés adaptés aux téléphones sur des longueurs d’onde hyperspectrales correspondantes, les auteurs esquissent une voie pour des modèles de « super‑résolution » permettant aux smartphones d’approcher la richesse spectrale sans matériel coûteux.

Du concept de laboratoire au bilan quotidien

Pour les patients et les familles, le message principal est qu’une simple photo de l’œil, traitée avec soin, peut se rapprocher étonnamment de la prise de sang pour estimer le degré de jaunisse d’une personne — du moins dans les limites de cet essai préliminaire. L’étude montre aussi qu’il existe plus d’informations diagnostiques dans notre peau que ce que l’œil nu peut percevoir, surtout dans l’infrarouge proche. Ensemble, la grande précision des prédictions basées sur le téléphone et les empreintes hyperspectrales détaillées ouvrent la voie à un avenir où les gens pourraient surveiller la jaunisse à domicile ou dans des cliniques à ressources limitées en utilisant des appareils familiers, tandis que des optiques et des algorithmes avancés traduisent discrètement de subtiles variations de couleur en informations médicales pertinentes.

Citation: Liao, WC., Lin, J.J.Y., Lu, YC. et al. Non-invasive jaundice detection using spectral-band expansion from RGB images and direct hyperspectral images. npj Biosensing 3, 22 (2026). https://doi.org/10.1038/s44328-026-00087-w

Mots-clés: jaunisse, imagerie par smartphone, imagerie hyperspectrale, diagnostic non invasif, bilirubine