O fotografie facială simplă ar putea oferi indicii despre supraviețuirea în cancer
Poate fața ta să dezvăluie indicii despre sănătate pe care medicii nu le pot observa cu ușurință?
Un nou model de inteligență artificială (IA) antrenat pe milioane de fotografii faciale corelează vârsta aparentă și trăsăturile subtile ale feței cu rezultatele de supraviețuire ale pacienților cu cancer, deschizând calea pentru o metodă potențial nouă de evaluare a prognosticului.
Un studiu publicat în The Lancet Digital Health descrie FAHR-Face, un model de inteligență artificială dezvoltat pentru a extrage informații prognostice privind supraviețuirea în cancer din fotografii faciale. Rezultatele sugerează că fotografiile faciale ar putea oferi informații prognostice noninvazive, deși acestea necesită validare înainte de a fi utilizate clinic.
Aspectul facial reflectă o combinație de factori genetici, de mediu, stil de viață și afecțiuni legate de sănătate. Prin urmare, acesta poate reflecta starea de sănătate și procesul de îmbătrânire. Fotografii faciale pot fi colectate noninvaziv și ieftin. Totuși, evaluările vizuale ale trăsăturilor faciale sunt subiective, iar complexitatea facială face dificilă evaluarea fiabilă. Modelele IA ar putea identifica trăsăturile faciale asociate cu îmbătrânirea fiziologică sau boala și le-ar putea transforma în măsuri obiective.
Anterioarele modele de analiză facială au estimat vârsta cronologică sau biologică, dar performanța lor a fost limitată de datele de antrenament și de capacitatea de generalizare. Predicția supraviețuirii pe baza aspectului facial reprezintă o provocare separată: vârsta aparentă a unei persoane și riscul de deces pot fi corelate, dar nu sunt neapărat echivalente.
Autorii au dezvoltat și testat anterior FaceAge, un model de învățare profundă care estimează vârsta biologică din fotografii faciale. Aceștia au constatat că o vârstă facială mai mare era asociată cu o supraviețuire mai slabă la pacienții cu cancer. Cu toate acestea, modelul a fost dezvoltat într-o cohortă majoritar albă de pacienți cu vârste de 60 de ani sau mai mult.
În studiul actual, cercetătorii au dezvoltat Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face), un model de învățare profundă antrenat pe mai mult de 40 de milioane de fotografii faciale digitale de calitate consumator.
FAHR-Face a fost pregătit inițial utilizând o abordare de învățare auto-supervizată. Această metodă permite modelului să învețe reprezentări vizuale din cantități mari de date imagistice, fără a necesita o etichetare a sănătății pentru fiecare imagine.
Cercetătorii au folosit autoencodere mascare, o metodă care învață din imagini prin mascare aleatorie și reconstrucție a unor părți din imagini. Acest proces auto-supervizat ajută modelul să învețe modele și relații mai ample între trăsăturile faciale. În imaginile faciale, mai multe structuri sunt corelate, oferind un cadru ideal pentru ca autoencoderele mascare să capteze corelații mai înalte ale sănătății.
Modelul a fost apoi rafinat pentru a dezvolta două modele distincte pentru două sarcini: estimarea vârstei biologice (FAHR-FaceAge) și prezicerea directă a riscului de supraviețuire la pacienții cu cancer (FAHR-FaceSurvival).
FAHR-FaceAge este un instrument care estimează vârsta pe baza apariției faciale. Modelul de bază a fost rafinat folosind 743.152 de imagini faciale disponibile public, cu o abordare în două etape menită să echilibreze reprezentarea între grupele de vârstă.
Autorii au comparat modelul cu modelele de referință și au evaluat capacitatea sa de a menține acuratețea în funcție de variațiile imaginilor. Modelul a fost testat în două cohorturi clinice independente. Prima a inclus 38.183 de pacienți tratați la centrele de radioterapie afiliate Harvard din Statele Unite, o mică proporție dintre aceștia având afecțiuni benigne. A doua a constat din 4.892 de pacienți cu cancer care au primit radioterapie în Olanda.
FAHR-FaceSurvival este modelul care prezice riscul de mortalitate direct din fotografiile faciale, mai degrabă decât din vârsta estimată. Acesta a fost rafinat folosind 34.363 de fotografii ale pacienților cu cancer, un subset dintr-unul dintre seturile clinice de date utilizate pentru a testa FAHR-FaceAge. Cei 3.820 de pacienți rămași au fost folosiți pentru a evalua modelul final, împreună cu un alt set de date independente de pacienți utilizate pentru a testa FAHR-FaceAge.
Cercetătorii au examinat performanța modelelor în funcție de subgrupuri demografice și de cancer. De asemenea, au testat robustețea estimării vârstei în funcție de factori precum machiajul, iluminarea, poziția feței și intervențiile chirurgicale estetice. Hărțile de saliență au fost utilizate pentru a cartografia regiunile faciale care au contribuit la predicțiile de vârstă și supraviețuire.
Diferențele de vârstă facială dezvăluie legături cu mortalitatea și stilul de viață. FAHR-FaceAge a obținut o eroare medie absolută de 5,1 ani în estimarea vârstei în seturile de date imagistice publice. Acesta a fost mai bun decât modelele de referință evaluate de cercetători. Performanța sa nu a variat semnificativ pe parcursul ciclului de viață uman. Diferența dintre vârsta facială estimată și vârsta cronologică a fost asociată cu rezultatele de supraviețuire. Analizele de supraviețuire au utilizat modele Cox multivariable ajustate pentru factorii prognostici clinici.
Devierea medie a vârstei faciale (FAD), calculată prin scăderea vârstei cronologice din vârsta facială estimată, a fost de 1,1 ani. Pacienții au fost categorisiți în grupuri, de la cei care păreau cu mai mult de 10 ani mai tineri, până la cei care păreau cu mai mult de 20 de ani mai în vârstă decât vârsta lor cronologică. Pacienții ale căror fețe păreau mai în vârstă decât vârsta cronologică aveau o supraviețuire mai slabă.
FAD a fost de asemenea asociată cu mortalitatea timpurie, cu 21,3% mortalitate în grupul cu cea mai mare FAD (>20 ani) la 90 de zile, comparativ cu 6,4% în grupul cu cea mai mică (-10 ani sau mai puțin). A depășit FaceAge în rândul pacienților cu vârste de 60 de ani sau mai mult și în estimările bazate pe vârsta cronologică pe parcursul primelor două ani după evaluare (3, 6, 12 și 24 de luni).
Quartilul cu cel mai mare risc avea de peste trei ori hazardul de mortalitate al quartilului cu cel mai scăzut risc. După ajustarea pentru factorii clinici, pacienții cu un FAD de cel puțin 5 ani aveau un hazard de mortalitate cu 21% mai mare decât cei cu un FAD mai scăzut. Pe de altă parte, un FAD de -5 ani sau mai puțin a fost asociat cu un hazard de mortalitate cu 17% mai mic comparativ
