Los científicos han creado una herramienta innovadora impulsada por inteligencia artificial llamada FaceAge que analiza características faciales para predecir resultados de supervivencia en pacientes con cáncer, superando frecuentemente en precisión a los profesionales clínicos. Esta tecnología emplea algoritmos de aprendizaje profundo para ofrecer un método más objetivo de evaluar la edad biológica de un paciente en lugar de su edad cronológica, mejorando así las evaluaciones pronósticas en oncología. El proceso de desarrollo involucró entrenar un modelo de aprendizaje profundo con un gran conjunto de datos compuesto por más de 58, 000 fotografías de personas sanas, lo que permitió que el sistema recogniera patrones de envejecimiento reflejados en las características faciales. Luego, los investigadores probaron el modelo con 6, 196 pacientes con cáncer para determinar su efectividad. Sorprendentemente, el algoritmo reveló que la edad biológica o “FaceAge” de estos pacientes parecía ser aproximadamente cinco años mayor que su edad cronológica real. Esta discrepancia de edad tuvo implicaciones importantes para comprender el estado de salud de los pacientes. Publicado en la revista Lancet Digital Health, el estudio mostró una fuerte relación entre un FaceAge más alto y menos probabilidades de supervivencia entre los pacientes con cáncer. De manera notable, esta asociación fue independiente de variables como la edad cronológica, sexo o tipo de cáncer, indicando que FaceAge captura elementos únicos del envejecimiento biológico y el deterioro de la salud. En entornos clínicos, FaceAge ha mostrado un prometedor potencial para mejorar las predicciones de supervivencia. La investigación encontró que, cuando los profesionales integraron FaceAge junto con los métodos tradicionales, su precisión para predecir la supervivencia a seis meses aumentó del 61% al 80%. Este avance podría facilitar decisiones mejor informadas sobre planes de tratamiento y discusiones sobre cuidados al final de la vida.

A pesar de sus resultados alentadores, FaceAge tiene limitaciones. Los posibles sesgos en los conjuntos de datos de entrenamiento y validación podrían llevar a resultados sesgados o menos generalizables. Además, como cualquier sistema de IA, FaceAge puede producir errores o interpretaciones erróneas, lo que subraya la importancia de la validación y el perfeccionamiento continuos. La investigación actual busca ampliar las pruebas para evaluar la utilidad de la herramienta más allá del pronóstico del cáncer, incluyendo su potencial para predecir resultados generales de salud y esperanza de vida en poblaciones más amplias. Este estudio contribuye significativamente al creciente campo de los biomarcadores de envejecimiento—investigaciones biomédicas centradas en desarrollar indicadores medibles del envejecimiento biológico. Mientras que el envejecimiento percibido ha sido evaluado tradicionalmente mediante observación humana y reconocido como predictor de enfermedades y salud general, FaceAge avanza este concepto al automatizar la evaluación, potencialmente ofreciendo mayor consistencia y objetividad. Los expertos subrayan la importancia de la transparencia en cómo la IA identifica y pondera las características faciales para estimar la edad biológica. Comprender esto es vital para garantizar la fiabilidad, evitar factores de confusión y abordar las preocupaciones éticas relacionadas con las predicciones médicas impulsadas por IA. En general, FaceAge representa una prometedora convergencia de inteligencia artificial y pronósticos médicos, introduciendo métodos novedosos para evaluar la salud del paciente y guiar decisiones clínicas. A medida que continúa la investigación, podría permitir una atención médica más personalizada y precisa, centrada en las realidades biológicas reflejadas en la apariencia de los pacientes.