- Egy új MI-modell arcfotó alapján becsülheti meg a biológiai életkort.
- A kutatók összefüggést találtak az arcvonások és a daganatos betegek túlélési esélyei között.
- A módszer ígéretes, de még nem alkalmas önálló klinikai döntéshozatalra.
Meglepő összefüggésre derült fény egy új kutatásban: a mesterséges intelligencia (MI) egyetlen arcfotó elemzésével nemcsak az ember biológiai életkorát képes megbecsülni, de a daganatos betegek túlélési esélyeire vonatkozó előrejelzést is készíthet – írja az nlc.hu. A bostoni Mass General Brigham kutatóinak eredményei szerint az algoritmusok olyan, az arcon látható jellegzetességeket is felismerhetnek, amelyek kapcsolatban állnak a szervezet általános állapotával és a halálozás kockázatával. A The Lancet Digital Health című tudományos folyóiratban publikált tanulmány két, mesterséges intelligencián alapuló modell működését mutatja be. A fejlesztés később segíthet abban, hogy az orvosok pontosabban mérjék fel a daganatos betegek állapotát, és személyre szabottabban mérlegeljék a lehetséges kezeléseket.
Mi a különbség a biológiai és a kronológiai életkor között?
A kronológiai életkor csupán azt mutatja meg, mennyi idő telt el a naptár szerint születésünk óta, a biológiai életkor viszont a szervezetünk állapotáról is képet adhat. Két azonos korú ember teste ugyanis eltérő ütemben öregedhet, ezért a naptári életkor önmagában nem feltétlenül tükrözi, mennyire terhelhető valaki, vagy milyen állapotban van a szervezete.
A biológiai életkor meghatározásához a kutatók egy MI-modellt fejlesztettek ki, amelyet több mint 40 millió arcfotón tanítottak be. Erre épül a FAHR-FaceAge nevű modell, amely egyetlen fénykép alapján becsüli meg az ember biológiai életkorát. A kutatók egy másik eszközt is létrehoztak: a FAHR-FaceSurvival nevű modell kifejezetten a daganatos betegek túlélési kilátásainak előrejelzésére szolgál. Ez nem egyszerűen a biológiai életkorból következtet a kockázatra, hanem közvetlenül a túlélési adatokkal összefüggő arcvonásokat elemzi.
Milyen kapcsolatot találtak a kutatók a túléléssel?
A kutatás egyik legfontosabb eredménye, hogy az MI-modell által magas halálozási kockázatúnak ítélt daganatos betegek több mint fele, egészen pontosan 52,5 százaléka meghalt a kockázatbecslést követő 90 napon belül. Ebbe a csoportba 122 beteg tartozott. Ezzel szemben a FAHR-FaceSurvival által legalacsonyabb kockázatúnak minősített 975 betegnek mindössze körülbelül 2 százaléka halt meg ugyanebben az időszakban.
A biológiai életkort becslő modell eredményei szintén összefüggést mutattak a túléléssel. Azon 1060 beteg közül, akiknek becsült biológiai életkora több mint 20 évvel meghaladta a kronológiai életkorukat, 21 százalék halt meg 90 napon belül. Azoknál a betegeknél viszont, akiknek a biológiai életkora legalább 10 évvel alacsonyabb volt a tényleges életkoruknál, ez az arány körülbelül 6 százalékot tett ki. Utóbbi csoportban 4195 beteget vizsgáltak. Az adatok tehát arra utalnak, hogy az arcfotók alapján becsült biológiai életkor és halálozási kockázat kapcsolatban állhat a daganatos betegek rövid távú túlélésével. Ez azonban nem jelenti azt, hogy az algoritmus minden egyes beteg esetében megbízhatóan meg tudja jósolni, hogyan alakul az állapota.
Az arc mely részeit elemzi a mesterséges intelligencia?
A kutatók azt is megvizsgálták, hogy az egyes modellek az arc mely részeire támaszkodnak az előrejelzések készítésekor. A FAHR-FaceAge elsősorban a halánték, a homlok, a szemek feletti terület és az orr, illetve a szájzug közötti redők jellegzetességeit veszi figyelembe. A halálozási kockázatot becslő FAHR-FaceSurvival ezzel szemben főként az orrnyereg és a szem alatti terület sajátosságaira összpontosít.
A pontos biológiai magyarázat egyelőre nem ismert. Elképzelhető, hogy az algoritmusok az arc lágyrészei, illetve az izomtömeg olyan változásait is érzékelik, amelyek a szervezet általános állapotával függnek össze. Ezt azonban a kutatás nem bizonyította. A felfedezés azért is figyelemre méltó, mert Hippokratész már az időszámításunk előtti 4. században leírt olyan arcvonásokat – például a beesett szemeket és a beesett halántékot –, amelyek súlyos állapotú betegeknél figyelhetők meg. A mostani algoritmusok ugyanakkor nem orvosi szövegekből tanulták meg ezeket az összefüggéseket: a fejlesztés során arcfotókat és az érintettek életkorára, illetve túlélésére vonatkozó adatokat használtak.
Kapcsolódó cikk
Mire használható a módszer a daganatos betegek ellátásában?
Bár az eredmények ígéretesek, több fontos kérdésre még választ kell találni. Önmagában az, hogy egy algoritmus összefüggést talál az arcvonások és a túlélési esélyek között, nem bizonyítja, hogy a módszer olyan többletinformációt nyújt, amelyet az orvosok a hagyományos vizsgálatokkal nem tudnak megszerezni. Azt is tisztázni kell, hogy a különböző életkorú, bőrszínű és más arcvonásokkal rendelkező embereknél mennyire megbízhatóak az előrejelzések. A mesterséges intelligencián alapuló egészségügyi eszközöknél különösen fontos a lehetséges torzítások feltárása, valamint annak igazolása, hogy az eredmények különböző betegcsoportokban és egészségügyi intézményekben is megállják a helyüket.
A kutatás tehát egyelőre nem azt jelenti, hogy egy szelfiből biztosan megállapítható, mennyi ideje van hátra egy daganatos betegnek. Inkább arra mutat rá, hogy az arcfotók eddig kevésbé kiaknázott információkat hordozhatnak az egészségi állapotról. Ha további vizsgálatok is megerősítik az eredményeket, az ilyen modellek a jövőben kiegészíthetik az orvosok kockázatbecslését és a kezelési döntéseket.
