لقد أنشأ العلماء أداة مبتكرة تعتمد على الذكاء الاصطناعي تُدعى FaceAge، التي تحلل ملامح الوجه للتنبؤ بنتائج البقاء على قيد الحياة بين مرضى السرطان، وغالبًا ما تتفوق على الأطباء في الدقة. تستخدم هذه التقنية خوارزميات التعلم العميق لتقديم طريقة أكثر موضوعية لتقييم العمر البيولوجي للمريض بدلاً من عمره الزمني، مما يُعزز التقييمات التنبئية في علم الأورام. وتضمن عملية التطوير تدريب نموذج التعلم العميق على مجموعة بيانات كبيرة تحتوي على أكثر من 58, 000 صورة لأشخاص أصحاء، مما أتاح للنظام التعرف على أنماط الشيخوخة التي تعكسها ميزات الوجه. ثم قام الباحثون باختبار النموذج على 6, 196 مريضًا بسرطان لقياس مدى فعاليته. ولُوحظ بشكل ملحوظ أن هذا الخوارزمية كشفت أن العمر البيولوجي أو "FaceAge" لهؤلاء المرضى يبدو تقريبًا أكبر بخمس سنوات من عمرهم الزمني الفعلي. وكان لهذا الاختلاف في العمر آثار مهمة لفهم الحالة الصحية للمريض. ونُشر هذا البحث في مجلة لانسيت ديجيتال هيلث، وأظهر وجود علاقة قوية بين ارتفاع "FaceAge" وتقليل فرص البقاء على قيد الحياة لدى مرضى السرطان. والأهم أن هذا الارتباط كان مستقلًا عن متغيرات مثل العمر الزمني، والجنس، أو نوع السرطان، مما يعكس أن FaceAge يلتقط عناصر فريدة من الشيخوخة البيولوجية وتدهور الصحة. في الممارسات السريرية، أظهر FaceAge وعدًا خاصًا في تحسين دقة التنبؤات ببقاء المرضى على قيد الحياة. حيث أظهر البحث أن دمج الأطباء لـ FaceAge مع الطرق التقليدية أدى إلى تحسين دقتهم في التنبؤ ببقاء ستة أشهر من 61% إلى 80%.

وهذا التقدم قد يسهل اتخاذ قرارات أفضل بشأن خطط العلاج ومناقشات الرعاية النهائية. وعلى الرغم من نتائجه المشجعة، يواجه FaceAge بعض القيود. إذ إن الانحيازات المحتملة في مجموعات البيانات المستخدمة في التدريب والتحقق قد تؤدي إلى نتائج مشوهة أو أقل عمومية. علاوة على ذلك، وكأي نظام ذكاء اصطناعي، قد يُنتج FaceAge أخطاء أو تفسيرات خاطئة، مما يبرز ضرورة الاستمرار في التحقق وتطوير الأداء. يسعى البحث الحالي إلى توسيع الاختبارات لتقييم مدى فائدة الأداة في ما يتجاوز تشخيص السرطان، بما في ذلك إمكانياتها في التنبؤ بنتائج الصحة العامة والعمر الافتراضي في فئات أوسع من السكان. يُعدُ هذا الدراسة مساهمة مهمة في المجال المتنامي لمؤشرات الشيخوخة الحيوية، وهو فرع من الأبحاث الطبية الذي يركز على تطوير مؤشرات قابلة للقياس للشيخوخة البيولوجية. بينما كانت تقييمات الشيخوخة بشكل تقليدي تعتمد على الملاحظات البشرية وتعد مؤشراً لتوقعات الأمراض والصحة العامة، يتقدم FaceAge هذا المفهوم من خلال الأتمتة، مما قد يوفر اتساقًا وموضوعية أكبر. ويؤكد الخبراء على أهمية الشفافية حول كيفية تحديد الذكاء الاصطناعي لميزات الوجه ووزنها في تقدير العمر البيولوجي، ففهم ذلك ضروري لضمان الموثوقية، وتجنب العوامل المربكة، ومعالجة القضايا الأخلاقية المرتبطة بالتوقعات الطبية المدعومة بالذكاء الاصطناعي. بشكل عام، يمثل FaceAge تقاربًا واعدًا بين الذكاء الاصطناعي والتشخيصات الطبية، مقدمًا طرقًا جديدة لتقييم صحة المرضى وتوجيه القرارات السريرية. ومع استمرار البحث، قد يُمكّن الأداة من تقديم رعاية صحية أكثر تخصيصًا ودقة، تتعلق بالواقع البيولوجي المعبر عنه في ملامح المرضى.