Un instrument AI inovator evaluează vârsta biologică și prezice supraviețuirea în cancer prin intermediul fotografiilor de față
Cercetătorii utilizează instrumente AI pentru a analiza fotografii simple de față, identificând indicatori esențiali ai sănătății unei persoane.
Cercetătorii de la Mass General Brigham au dezvoltat FAHR-Face (Foundation Artificial Intelligence for Health Recognition), un model AI de bază antrenat pe peste 40 de milioane de imagini cu fețe. Acest model a fost folosit pentru a crea două instrumente complementare: FAHR-FaceAge, care estimează vârsta biologică a unui pacient cu o acuratețe mai mare decât algoritmii anteriori, și FAHR-FaceSurvival, care prezice direct rezultatele de supraviețuire ale pacienților cu cancer, pe baza unei fotografii faciale. Studiul de dezvoltare și validare a modelului a arătat că deviația dintre FAHR-FaceAge și vârsta cronologică a unui pacient este legată în mod independent de supraviețuire.
„Pe măsură ce populația îmbătrânește, medicii au nevoie de modalități mai eficiente de a estima rezervele fizice și fragilitatea înainte de a recomanda tratamente intensive, cum ar fi radiațiile, chirurgia sau terapia sistemică”, a declarat autorul corespunzător Raymond Mak, MD, un oncolog radiolog la Mass General Brigham Cancer Institute și membru al programului de Inteligență Artificială în Medicină (AIM) de la Mass General Brigham. „Scopul nostru este să facem evaluarea sănătății pe baza fotografiilor faciale mai cantitativă, consistentă și scalabilă, astfel încât să poată susține deciziile de tratament personalizate, fără a înlocui judecata medicului.”
Un avans tehnic cheie este că FAHR-Face învață o reprezentare generală a feței din peste 40 de milioane de imagini, care poate fi apoi adaptată la rezultatele de sănătate distincte, cum ar fi vârsta biologică și supraviețuirea. Această abordare a modelului de bază ne oferă o modalitate scalabilă de a dezvolta multiple biomarkeri de sănătate facială, în loc să antrenăm fiecare model de la zero.
Deși FAHR-FaceAge și FAHR-FaceSurvival au fost derivate din același model de bază, ele captează informații diferite și complementare despre sănătatea unui pacient. Predicțiile lor au fost corelate slab, iar ambele au rămas asociate independent cu supraviețuirea atunci când au fost analizate împreună. Combinarea celor două măsuri a îmbunătățit și mai mult ajustarea modelului de supraviețuire într-o cohortă externă de pacienți cu cancer. Fiecare algoritm s-a bazat, de asemenea, pe părți distincte ale feței pentru a face predicțiile respective despre vârstă și riscul de mortalitate. FAHR-FaceAge se concentrează pe pliurile nazolabiale, zona frunții de deasupra orbitei și tâmple, în timp ce FAHR-FaceSurvival evaluează regiunea de sub ochi și din jurul punții nazale.
„FAHR-FaceSurvival avansează domeniul recunoașterii sănătății faciale AI cu un pas înainte, învățând riscul de supraviețuire direct din fotografiile faciale ale pacienților cu cancer”, a afirmat Aerts. „După cunoștințele noastre, aceasta este prima demonstrație că un model AI poate prezice direct supraviețuirea în cancer dintr-o simplă fotografie.”
De asemenea, cercetătorii au constatat că factorii de stil de viață influențează îmbătrânirea facială. De exemplu, consumul excesiv de alcool, utilizarea de droguri și fumatul au fost asociate cu aspectul biologic mai îmbătrânit. Fumatul a arătat cel mai puternic model, fumătorii actuali arătând mai în vârstă decât foștii fumători, iar foștii fumători arătând mai îmbătrâniți decât persoanele care nu au fumat niciodată.
„O altă constatare surprinzătoare a fost consistența FAHR-FaceAge în diverse variații comune ale fotografiilor din viața reală, inclusiv poziția, iluminarea, expresia facială și machiajul”, a observat Mak. „De asemenea, a fost stabilă în cea mai mare parte a procedurilor de chirurgie plastică testate, cu doar o mică schimbare observată după rinoplastie.”
Echipa își extinde această cercetare prin Studiul de Cercetare FaceAge, un studiu online aprobat de comitetul de etică, deschis publicului. Participanții pot încărca o fotografie facială și pot primi propriul raport de cercetare FaceAge, contribuind în același timp cu date care vor ajuta cercetătorii să îmbunătățească și să valideze măsurile AI bazate pe îmbătrânirea și sănătatea facială în populații mai mari și mai diverse.
