Naučnici su kreirali inovativni alat temeljen na umjetnoj inteligenciji nazvan FaceAge koji analizira crte lica kako bi predvidio ishode preživljavanja kod oboljelih od raka, često nadmašujući kliničare u tačnosti. Ova tehnologija koristi algoritme dubokog učenja kako bi pružila objektivniji način procjene biološkog dobi pacijenta u odnosu na njihovu hronološku dob, čime se poboljšavaju prognostičke procjene u onkologiji. Proces razvoja uključivao je treniranje modela dubokog učenja na velikom skupu podataka koji se sastojao od više od 58. 000 fotografija zdravih osoba, što je omogućilo sistemu prepoznavanje obrazaca starenja odraženih na crte lica. Istraživači su zatim testirali model na 6. 196 pacijenata oboljelih od raka kako bi utvrdili njegovu efikasnost. Zapanjujuće, algoritam je otkrio da se biološka, odnosno „FaceAge“, ovih pacijenata činila otprilike pet godina starijom od njihove stvarne hronološke starosti. Ova razlika u dobi imala je značajne implikacije za razumijevanje zdravstvenog stanja pacijenata. U studiji, objavljenoj u časopisu Lancet Digital Health, demonstrirana je jaka veza između višeg FaceAge i smanjenih šansi za preživljavanje kod oboljelih od raka. Zapaženo je da je ova veza bila neovisna o varijablama kao što su hronološka dob, spol ili tip raka, što ukazuje da FaceAge hvata jedinstvene elemente biološkog starenja i zdravstvenog stanja. U kliničkim okruženjima, FaceAge je pokazao poseban potencijal u poboljšanju prognoza preživljavanja. Istraživanja su pokazala da kada kliničari koriste FaceAge uz tradicionalne metode, njihova tačnost u predviđanju preživljavanja od šest mjeseci porasla je sa 61% na 80%. Ovaj napredak mogao bi omogućiti bolje informisane odluke o planovima liječenja i razgovorima o kraju života.

Uprkos ohrabrujućim rezultatima, FaceAge ima i nedostatke. Potencijalne pristranosti u podacima za treniranje i validaciju mogu dovesti do iskrivljenih ili manje općenitih rezultata. Štaviše, kao i kod svakog sistema umjetne inteligencije, FaceAge može praviti greške ili biti pogrešno interpretiran, što ističe potrebu za stalnim provjerama i usavršavanjima. Trenutna istraživanja nastoje proširiti testiranje kako bi procijenila korisnost alata i izvan prognoze raka, uključujući i njegov potencijal za predviđanje općeg zdravstvenog stanja i životnog vijeka u širim populacijama. Ova studija značajno doprinosi rastućem području biomarkera starenja—biomedicinskog istraživanja usmjerenog na razvoj mjerljivih indikatora biološkog starenja. Iako se percepcija starosti tradicionalno procjenjuje ljudskom opažanjem i prepoznaje kao faktor predviđanja bolesti i općeg zdravlja, FaceAge napreduje kroz automatizaciju procjene, nudeći veći dosljednost i objektivnost. Stručnjaci naglašavaju važnost transparentnosti u načinu na koji AI identifikuje i vrednuje crte lica u procjeni biološke dobi. Takvo razumijevanje ključno je za osiguranje pouzdanosti, izbjegavanje pristranosti te za etičke aspekte medicinskih predviđanja vođenih AI-jem. Sveukupno, FaceAge predstavlja obećavajući spoj umjetne inteligencije i medicinske prognostike, uvodeći nove metode za procjenu zdravstvenog stanja pacijenata i vođenje kliničkih odluka. Kako se istraživanja nastavljaju, ovaj alat mogao bi omogućiti personaliziraniju i precizniju medicinsku njegu usmjerenu na biološke realnosti odražene u izgledu pacijenata.