Wygląd twarzy może dostarczać informacji o stanie zdrowia. Zmiany związane ze starzeniem się, chorobami i stylem życia pozostawiają na niej ślady, ale ich obiektywna ocena jest trudna podczas zwykłej obserwacji. Naukowcy z amerykańskiego ośrodka Mass General Brigham postanowili więc wykorzystać do tego sztuczną inteligencję.
Opracowali model FAHR-Face, wytrenowany na ponad 40 mln fotografii twarzy. Na jego podstawie powstały dwa narzędzia: FAHR-FaceAge, które szacuje wiek biologiczny na podstawie wyglądu oraz FAHR-FaceSurvival, zaprojektowane do bezpośredniego przewidywania rokowań dotyczących przeżycia u pacjentów z nowotworami.
Wyniki badań opublikowano w czasopiśmie "The Lancet Digital Health". Autorzy wskazują w nich, że analiza fotografii może w przyszłości stać się dodatkowym sposobem oceny ryzyka, szczególnie gdy lekarze nie mają dostępu do wszystkich tradycyjnych wskaźników stanu zdrowia.
Jeden model, dwa sposoby oceny zdrowia
FAHR-FaceAge szacuje, na ile lat wygląda dana osoba, a następnie pozwala sprawdzić, czy wiek oszacowany przez algorytm różni się od metrykalnego. Nie chodzi więc o ustalenie daty urodzenia na podstawie zdjęcia, lecz o ocenę cech wyglądu powiązanych z procesami starzenia. W publicznych zbiorach fotografii średni błąd bezwzględny tego algorytmu wyniósł 5,1 roku. Był to wynik lepszy niż w przypadku porównywanych modeli szacujących wiek. W analizie pacjentów onkologicznych oszacowanie wieku biologicznego okazało się przydatne w przewidywaniu rokowań.
Drugie narzędzie, FAHR-FaceSurvival, działa inaczej. Nie wyciąga wniosków o przeżyciu za pośrednictwem wieku biologicznego, lecz uczy się bezpośrednio rozpoznawać zależności między obrazem twarzy a ryzykiem zgonu. Podczas gdy FAHR-FaceAge zwraca szczególną uwagę na bruzdy nosowo-wargowe, czoło i skronie, FAHR-FaceSurvival koncentruje się na obszarze pod oczami oraz wokół nasady nosa. Analiza wykazała, że narzędzia dostarczają różnych, uzupełniających się informacji prognostycznych.
Ponad trzykrotna różnica w śmiertelności
Najbardziej wymowny wynik dotyczył przewidywania ryzyka zgonu. W grupie pacjentów zakwalifikowanych przez FAHR-FaceSurvival do najwyższego kwartylu ryzyka śmiertelność była ponad trzykrotnie wyższa niż w grupie o najniższym ryzyku. Skorygowany współczynnik hazardu (statystyczna miara służąca do badania efektywności względnej różnych form terapii medycznych) wyniósł 3,23, a wynik był istotny statystycznie.
Oznacza to, że algorytm potrafił wyodrębnić grupy pacjentów o wyraźnie różniących się rokowaniach, nawet po uwzględnieniu klinicznych czynników prognostycznych. Rezultaty sprawdzono również w niezależnej grupie pacjentów, uzyskując potwierdzenie obserwowanej zależności.
Połączenie wyników obu narzędzi poprawiało dokładność prognoz. Zdaniem autorów sugeruje to, że wygląd twarzy może zawierać kilka odrębnych sygnałów związanych ze stanem zdrowia, które warto analizować łącznie. Wyników nie należy jednak interpretować jako dowodu, że algorytm potrafi określić, jak długo będzie żył konkretny pacjent. Współczynnik hazardu opisuje względną różnicę w ryzyku między grupami, a nie indywidualne prawdopodobieństwo zgonu w określonym terminie.
Czy selfie może pomóc dobrać leczenie?
Potencjalne zastosowanie takiej technologii dotyczy decyzji podejmowanych przed rozpoczęciem intensywnego leczenia. Radioterapia, operacja czy terapia ogólnoustrojowa mogą stanowić duże obciążenie dla organizmu, zwłaszcza u osób starszych lub osłabionych. Lekarze muszą ocenić nie tylko charakter nowotworu, lecz także zdolność pacjenta do tolerowania terapii.
Raymond Mak, onkolog radioterapeuta z Mass General Brigham, zwraca uwagę, że wraz ze starzeniem się społeczeństwa rośnie zapotrzebowanie na lepsze metody oceny rezerw fizjologicznych i kruchości organizmu. Według niego ilościowa analiza fotografii mogłaby pomóc w podejmowaniu bardziej spersonalizowanych decyzji terapeutycznych.
Choć wyniki są obiecujące, technologia wymaga dalszych badań przed szerokim wykorzystaniem w praktyce klinicznej. Konieczne będzie m.in. sprawdzenie, jak narzędzia działają w różnych populacjach i warunkach klinicznych oraz czy rzeczywiście poprawiają decyzje terapeutyczne i wyniki leczenia.











