Oczy mogą być oknem na duszę, ale wiek biologiczny człowieka może być odzwierciedlony w ich cechach twarzy. Śledczy z masowego generała Brigham opracowali algorytm głębokiego uczenia się o nazwie Faceage, który wykorzystuje zdjęcie twarzy osoby do przewidywania wieku biologicznego i wyników przeżycia u pacjentów z rakiem. Odkryli, że pacjenci z rakiem mieli średnio wyższy niż osoby bez i wydawali się około pięciu lat starsi niż ich wiek chronologiczny. Starsze prognozy były związane z gorszymi ogólnymi wynikami przeżycia w wielu typach raka. Odkryli również, że twarz przewyższył klinicystów w przewidywaniu krótkoterminowych oczekiwanych oczekiwań pacjentów otrzymujących radioterapię paliatywną. Ich wyniki są publikowane w Lancet Digital Health.
„Możemy wykorzystać sztuczną inteligencję (AI) do oszacowania wiek biologicznego danej osoby na podstawie zdjęć twarzy, a nasze badanie pokazuje, że informacje mogą być klinicznie znaczące”-powiedział współsenny i korespondent, dr Hugo Aerts, dyrektor programu sztucznej inteligencji w medycynie (AIM) w Mass General Brigham. „Ta praca pokazuje, że zdjęcie takie jak proste selfie zawiera ważne informacje, które mogłyby pomóc w opracowaniu klinicznych planów podejmowania decyzji i opieki dla pacjentów i klinicystów. Ile wygląda ktoś, w porównaniu z ich chronologicznym wiekiem naprawdę ma znaczenie-osoby z twarzami, które są młodsze niż ich wiek chronologiczny, radzą sobie znacznie lepiej po leczeniu przeciwnowotworowym”.
Kiedy pacjenci wchodzą do pokoi egzaminacyjnych, ich wygląd może dać lekarzom wskazówki dotyczące ich ogólnego zdrowia i witalności. Te intuicyjne oceny w połączeniu z wiekiem chronologicznym pacjenta, oprócz wielu innych miar biologicznych, mogą pomóc w ustaleniu najlepszego przebiegu leczenia. Jednak, jak każdy, lekarze mogą mieć uprzedzenia dotyczące wieku osoby, które mogą na nią wpłynąć, podsycając potrzebę bardziej obiektywnych, predykcyjnych środków w zakresie decyzji opiekuńczych.
Mając na uwadze ten cel, masowo general badacze Brigham wykorzystali technologie głębokiego uczenia się i rozpoznawania twarzy do szkolenia twarzy. Narzędzie zostało przeszkolone na 58 851 zdjęć domniemanych zdrowych osób z publicznych zestawów danych. Zespół przetestował algorytm w grupie 6196 pacjentów z rakiem z dwóch centrów, stosując zdjęcia rutynowo wykonane na początku radioterapii.
Wyniki wykazały, że pacjenci z rakiem wydają się znacznie starsi niż osoby bez raka, a ich twarz był średnio około pięć lat starszy niż ich wiek chronologiczny. W grupie pacjenta z rakiem starszy twarz był związany z gorszymi wynikami przeżycia, szczególnie u osób, które wydawały się starsze niż 85, nawet po dostosowaniu wieku chronologicznego, płci i raka.
Szacowany czas przeżycia pod koniec życia jest trudny do ustalenia, ale ma ważne implikacje leczenia w opiece nad rakiem. Zespół poprosił 10 klinicystów i badaczy o przewidywanie krótkoterminowej długości życia na podstawie 100 zdjęć pacjentów otrzymujących radioterapię paliatywną. Podczas ich wydajności istniały szeroki zakres, prognozy klinicystów były tylko nieznacznie lepsze niż flip monety, nawet po otrzymaniu kontekstu klinicznego, takiego jak wiek chronologiczny pacjenta i status raka. Jednak kiedy klinicyści otrzymali również informacje o twarzach pacjenta, ich prognozy znacznie się poprawiły.
Konieczne są dalsze badania, zanim ta technologia będzie mogła być rozważana do stosowania w rzeczywistych warunkach klinicznych. Zespół badawczy testuje tę technologię w celu przewidywania chorób, ogólnego stanu zdrowia i życia. Badania kontrolne obejmują rozszerzenie tej pracy w różnych szpitalach, patrzenie na pacjentów na różnych etapach raka, śledzenie szacunków twarzy w czasie oraz testowanie jej dokładności wobec chirurgii plastycznej i zestawów danych makijażu.
„Otwiera to drzwi do zupełnie nowej dziedziny odkrycia biomarkerów na zdjęciach, a jego potencjał wykracza daleko poza opiekę nad rakiem lub przewidywanie wieku”, powiedział autor współsprawny Ray Mak, MD, członek wydziału w programie AIM w Mass General Brigham. „Ponieważ coraz częściej uważamy różne choroby przewlekłe jako choroby starzenia, jeszcze ważniejsze staje się dokładne przewidzieć trajektorię starzenia się osoby. Mam nadzieję, że ostatecznie możemy wykorzystać tę technologię jako system wczesnego wykrywania w różnych zastosowaniach, w ramach silnych ram regulatorowych i etycznych, aby pomóc w ratowaniu życia”.