Els científics han creat una eina innovadora basada en la Intel·ligència Artificial anomenada FaceAge, que analitza les característiques facials per predir els resultats de supervivència en pacients de càncer, sovint superant en precisió als clínics. Aquesta tecnologia utilitza algoritmes d'aprenentatge profund per oferir un mètode més objectiu d’avaluar l’edat biològica d’un pacient en lloc de la seva edat cronològica, millorant així les valoracions prognòstiques en oncologia. El procés de desenvolupament va implicar entrenar un model d'aprenentatge profund amb una gran base de dades formada per més de 58. 000 fotografies de persones sanes, cosa que va permetre al sistema reconèixer patró d’envelliment reflectits en les característiques facials. Els investigadors van provar després el model amb 6. 196 pacients de càncer per determinar-ne l’eficàcia. De manera sorprenent, l’algoritme va revelar que l’edat biològica o “FaceAge” d’aquests pacients semblava aproximadament cinc anys més gran que la seva edat cronològica real. Aquesta discrepància en l’edat tenia implicacions importants per entendre l’estat de salut del pacient. Publicat a la revista Lancet Digital Health, l’estudi va demostrar una forta relació entre un FaceAge més alt i unes possibilitats reduïdes de supervivència entre els pacients de càncer. És notable que aquesta associació sigui independent de variables com l’edat cronològica, el sexe o el tipus de càncer, la qual cosa indica que FaceAge capta elements únics de l’envelliment biològic i el deteriorament de la salut. En els entorns clínics, FaceAge ha demostrat una promesa particular en millorar les prediccions de supervivència. La recerca va trobar que, quan els clínics van incorporar FaceAge juntament amb els mètodes tradicionals, la seva precisió per predir la supervivència a sis mesos va passar del 61% a l’80%. Aquest avenç pot facilitar decisions millor informades sobre els plans de tractament i les discussions sobre l’atenció al final de la vida.

Malgrat els resultats encoratjadors, FaceAge té limitacions. Els possibles biaixos en els conjunts de dades d’entrenament i validació podrien conduir a resultats distorsionats o menys generalitzables. A més, com amb qualsevol sistema d’IA, FaceAge pot cometre errors o malinterpretacions, fent necessari un ongoing de la validació i el millorament del sistema. La recerca actual busca ampliar la seva prova per avaluar la utilitat de l’eina més enllà de la prognosi del càncer, incloent-hi la seva potencialitat per a predir resultats de salut generals i l’esperança de vida en poblacions més àmplies. Aquest estudi contribueix de manera significativa al camp creixent de biomarcadors de l’envelliment — investigació biomèdica centrada en el desenvolupament d’indicadors mesurables de l’envelliment biològic. Mentre que la percepció de l’envelliment s’ha avaluat tradicionalment a través de l’observació humana i es reconeix com a predictor de malalties i salut general, FaceAge avança aquest concepte automatitzant l’avaluació, cosa que pot oferir una major consistència i objectivitat. Els experts subratllen la importància de la transparència sobre com l’IA identifica i pondera les característiques facials per estimar l’edat biològica. Aquesta comprensió és fonamental per garantir la fiabilitat, evitar factors de confusió i abordar les preocupacions ètiques relacionades amb les prediccions mèdiques impulsades per IA. En resum, FaceAge representa una convergència prometedora entre la intel·ligència artificial i la prognosi mèdica, introduint nous mètodes pervaluar la salut del pacient i guiar les decisions clíniques. A mesura que la recerca avança, podria facilitar una atenció mèdica més personalitzada i precisa, centrada en la realitat biològica reflectida en la aparença dels pacients.