Tiedemiehet ovat kehittäneet innovatiivisen tekoälypohjaisen työkalun nimeltä FaceAge, joka analysoi kasvonpiirteitä päättäen selviytymistulokset syöpäpotilaiden osalta ja usein ylivoimaisesti kumoten lääkäreitä tarkkuudessaan. Tämä teknologia käyttää syväoppimisalgoritmeja tarjoakseen objektiivisemman tavan arvioida potilaan biologista ikää verrattuna hänen ikäänsä eli kronologista ikää, mikä parantaa ennustearvioita onkologian alalla. Kehitysprosessin aikana koulutettiin syväoppimisjärjestelmä suurella datamäärällä, johon kuului yli 58 000 terveiden ihmisten valokuvaa, mikä mahdollisti järjestelmän tunnistaa ikääntymisen kaavoja, joita kasvonpiirteet heijastavat. Tutkijat testasivat mallia 6 196 syöpäpotilaalla arvioidakseen sen tehokkuutta. Hämmästyttävästi algoritmi paljasti, että näiden potilaiden biologinen tai "FaceAge" näytti olevan noin viisi vuotta heidän todellista kronologista ikäänsä vanhempi. Tämä ikäero oli merkittävä, koska se ohjasi paremmin ymmärtämään potilaiden terveydentilaa. Lancet Digital Health -lehdessä julkaistussa tutkimuksessa osoitettiin vahva yhteys korkeamman FaceAgen ja heikentyneiden selviytymismahdollisuuksien välillä syöpäpotilailla. Huomionarvoista on, että tämä yhteys oli riippumaton muuttujista kuten kronologinen ikä, sukupuoli tai syöpätyyppi, mikä viittaa siihen, että FaceAge tallentaa ainutlaatuisia elementtejä biologisesta ikääntymisestä ja terveydentilan heikkenemisestä. Klinisissa ympäristöissä FaceAge on osoittautunut erityisen lupaavaksi parantamaan selviytymispalkkioiden ennustamista. Tutkimus osoitti, että kun lääkärit ottivat FaceAgen mukaan perinteisten menetelmien rinnalle, heidän tarkkuutensa kuuden kuukauden selviytymisen ennustamisessa parani 61 prosentista 80 prosenttiin. Tämä edistysaskel voi auttaa tekemään paremmin informoituja päätöksiä hoitosuunnitelmista ja loppuelämän hoitokeskusteluista.

Vaikka tulokset ovat lupaavia, FaceAge:ssa on rajoituksia. Mahdolliset vinoumät koulutus- ja validointiaineistoissa voivat johtaa vinoutuneisiin tai vähemmän yleistettäviin tuloksiin. Lisäksi, kuten kaikissa tekoälyjärjestelmissä, FaceAge voi tehdä virheitä tai tulkita tietoja väärin, mikä korostaa jatkuvan validoinnin ja hienosäätöjen tarvetta. Nykyinen tutkimus pyrkii laajentamaan testaamista myös syövän ennustamisen ulkopuolelle, mukaan lukien mahdollisuus ennustaa yleistä terveyttä ja elinikää laajemmissa väestöissä. Tämä tutkimus on merkittävä lisäbiomarkkerien alaan, joka keskittyy löydöksiin, jotka mittaavat biologista ikääntymistä. Vaikka koettu ikääntyminen on perinteisesti arvioitu ihmisen havainnoimana ja todettu sairauden ja yleisen terveyden ennustajaksi, FaceAge vie tämän eteenpäin automatisoimalla arvioinnin, mikä voi tarjota enemmän johdonmukaisuutta ja objektiivisuutta. Asiantuntijat korostavat avoimuuden tärkeyttä siitä, miten tekoäly tunnistaa ja painottaa kasvonpiirteitä biologisen iän arvioinnissa. Tällainen ymmärrys on kriittistä luotettavuuden varmistamiseksi, sekoittuvien tekijöiden välttämiseksi ja eettisten kysymysten käsittelemiseksi tekoälyyn perustuvissa lääketieteellisissä ennusteissa. Kaiken kaikkiaan FaceAge edustaa lupaavaa leikkausta tekoälyn ja lääketieteellisen prognostiikan yhdistämisessä, esitellen uusia menetelmiä potilaan terveyden arvioimiseksi ja kliinisten päätösten tukemiseksi. Tutkimuksen jatkuessa tämä mahdollistaa entistä yksilöllisempää ja tarkempaa lääketieteellistä hoitoa, joka perustuu siihen, millaisia biologisia todellisuuksia potilaiden ulkonäöt paljastavat.