Οι γιατροί έχουν αναπτύξει ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να προβλέψει τις πιθανότητες επιβίωσης ενός καρκινοπαθούς από μια φωτογραφία του προσώπου του.
Το σύστημα AI κατασκευάστηκε ειδικά από ειδικούς στο Mass General Brigham, ένα μη κερδοσκοπικό, ολοκληρωμένο ακαδημαϊκό σύστημα υγειονομικής περίθαλψης στη Μασαχουσέτη, για να εκτιμήσει τη βιολογική ηλικία και να προβλέψει άμεσα τα αποτελέσματα επιβίωσης σε ασθενείς που έχουν διαγνωστεί με καρκίνο.
Είναι μια από τις πιο ολοκληρωμένες επιδείξεις μέχρι σήμερα για το πώς η ανάλυση τεχνητής νοημοσύνης μιας selfie θα μπορούσε να βοηθήσει στην αξιολόγηση της υγείας ενός ασθενούς και ενδεχομένως να καθοδηγήσει την ιατρική του φροντίδα, και εκπαιδεύτηκε σε δεδομένα από περισσότερες από 40 εκατομμύρια φωτογραφίες προσώπων σε μια σειρά εθνοτήτων και ηλικιών.
Λεπτομέρειες για την ανακάλυψη δημοσιεύτηκαν στο περιοδικό Lancet Digital Health.
Το σύστημα μπορεί να υπολογίσει τη βιολογική ηλικία ενός ατόμου «την ηλικία που δείχνει το άτομο, παρά την πραγματική του, χρονολογική ηλικία» και να προβλέψει τις πιθανότητες επιβίωσης των καρκινοπαθών από μια συνηθισμένη φωτογραφία του προσώπου τους, σύμφωνα με τα αποτελέσματα μιας μελέτης που εξέτασε το μοντέλο.
Οι γιατροί χρησιμοποίησαν την τεχνολογία για να αναπτύξουν δύο συμπληρωματικά εργαλεία. Το FAHR-FaceAge υπολογίζει τη βιολογική ηλικία ενός ασθενούς και προβλέπει την επιβίωση από τον καρκίνο. Το FAHR-FaceSurvival προβλέπει την επιβίωση από μια φωτογραφία προσώπου απευθείας, αντί να συνάγει την επιβίωση μέσω της βιολογικής ηλικίας.
Αν και το FAHR-FaceAge και το FAHR-FaceSurvival προήλθαν από το ίδιο μοντέλο, συνέλαβαν διαφορετικές και συμπληρωματικές πληροφορίες σχετικά με την υγεία ενός ασθενούς.
Κάθε αλγόριθμος βασίστηκε επίσης σε διαφορετικά μέρη του προσώπου για να κάνει αντίστοιχες προβλέψεις σχετικά με την ηλικία και τον κίνδυνο θνησιμότητας. Το FAHR-FaceAge εστιάζει στις πτυχές που εκτείνονται από τις πλευρές της μύτης μέχρι τις γωνίες του στόματος, την περιοχή του μετώπου ακριβώς πάνω από τις κόγχες των ματιών και τους κροτάφους. Το FAHR-FaceSurvival, εν τω μεταξύ, αξιολογεί την περιοχή κάτω από τα μάτια και γύρω από τη ρινική γέφυρα.
«Το FAHR-FaceSurvival προάγει τον τομέα της αναγνώρισης υγείας του προσώπου AI ένα βήμα παραπέρα μαθαίνοντας τον κίνδυνο επιβίωσης απευθείας από φωτογραφίες προσώπου ασθενών με καρκίνο», δήλωσε ο Hugo Aerts, συν-πρεσβύτερος συγγραφέας της μελέτης. «Από όσο γνωρίζουμε, αυτή είναι η πρώτη απόδειξη ότι ένα μοντέλο τεχνητής νοημοσύνης μπορεί να προβλέψει άμεσα την επιβίωση του καρκίνου από μια απλή φωτογραφία».
Μεταξύ των καρκινοπαθών που υποβλήθηκαν σε θεραπεία με ακτινοθεραπεία στις ΗΠΑ, οι άνθρωποι που, σύμφωνα με το FAHR-FaceAge, φαινόταν πέντε ή περισσότερα χρόνια μεγαλύτεροι από την πραγματική τους ηλικία, είχαν 21% υψηλότερο κίνδυνο θανάτου κατά τη μέση τετραετή παρακολούθηση από την υπόλοιπη ομάδα. Οι ασθενείς που φαινόταν πέντε ή περισσότερα χρόνια νεότεροι είχαν 17% χαμηλότερο κίνδυνο.
«Η βασική τεχνική πρόοδος είναι ότι το FAHR-Face μαθαίνει μια γενική αναπαράσταση του προσώπου από περισσότερες από 40 εκατομμύρια εικόνες, οι οποίες μπορούν στη συνέχεια να προσαρμοστούν σε διαφορετικά αποτελέσματα υγείας, όπως η βιολογική ηλικία και η επιβίωση», είπε ο Aerts. «Αυτή η προσέγγιση μοντέλου βάσης μας δίνει έναν επεκτάσιμο τρόπο για να αναπτύξουμε πολλαπλούς βιοδείκτες για την υγεία του προσώπου αντί να εκπαιδεύσουμε κάθε μοντέλο από την αρχή».
Τα αποτελέσματα της μελέτης υποδηλώνουν ότι οι εκτιμήσεις βιολογικής ηλικίας των ανθρώπων συνδέονται στενά με τη σωματική τους υγεία, κάτι που θα μπορούσε να αντανακλά την ικανότητά τους να επιβιώνουν από ορισμένες θεραπείες.
Η ανακάλυψη θα μπορούσε να ανοίξει το δρόμο για την ανάλυση προσώπου με τεχνητή νοημοσύνη που θα βοηθήσει τους γιατρούς να λάβουν δύσκολες αποφάσεις σχετικά με τον καλύτερο τρόπο θεραπείας για τους ασθενείς τους.
Το εργαλείο θα μπορούσε να βοηθήσει στην καλύτερη πρόβλεψη του κινδύνου θανάτου ή επιπλοκών μετά από μεγάλη χειρουργική επέμβαση ή άλλες θεραπείες για τον καρκίνο.
Ο Δρ Raymond Mak, ογκολόγος ακτινοβολίας στο Mass General Brigham, είπε: «Καθώς ο πληθυσμός γερνάει, οι γιατροί χρειάζονται καλύτερους τρόπους για να εκτιμήσουν τη φυσική αποθεματικότητα και την αδυναμία πριν συστήσουν εντατικές θεραπείες όπως ακτινοβολία, χειρουργική επέμβαση ή συστηματική θεραπεία.
«Στόχος μας είναι να κάνουμε την αξιολόγηση υγείας με βάση τη φωτογραφία προσώπου πιο ποσοτική, συνεπή και επεκτάσιμη, ώστε να μπορεί να υποστηρίζει εξατομικευμένες αποφάσεις θεραπείας αντί να αντικαθιστά την κρίση του γιατρού».
Οι ερευνητές διαπίστωσαν ότι οι παράγοντες του τρόπου ζωής συσχετίστηκαν με τη γήρανση του προσώπου. Για παράδειγμα, η έντονη χρήση αλκοόλ, η χρήση ναρκωτικών και το κάπνισμα συνδέθηκαν με την εμφάνιση βιολογικά μεγαλύτερης ηλικίας στην ανάλυση AI των φωτογραφιών προσώπου.
«Ένα άλλο εκπληκτικό εύρημα ήταν το πόσο συνεπές ήταν το FAHR-FaceAge σε κοινές παραλλαγές φωτογραφιών στον πραγματικό κόσμο, όπως πόζα, φωτισμός, έκφραση προσώπου και μακιγιάζ», είπε ο Mak. «Ήταν επίσης σταθερό στις περισσότερες δοκιμασμένες επεμβάσεις πλαστικής χειρουργικής, με μια μικρή μόνο μετατόπιση που παρατηρήθηκε μετά τη ρινοπλαστική».
Οι γιατροί προειδοποίησαν ότι ενώ οι μεμονωμένες φωτογραφίες προσώπου θα μπορούσαν να προσφέρουν έναν εύκολο, χαμηλού κόστους τρόπο υποστήριξης εξατομικευμένων αποφάσεων θεραπείας, χρειαζόταν περισσότερη έρευνα για να μπορέσει να χρησιμοποιηθεί ευρέως το εργαλείο.
