Gli scienziati hanno creato uno strumento innovativo basato sull'intelligenza artificiale chiamato FaceAge, che analizza le caratteristiche del volto per predire gli esiti di sopravvivenza nei pazienti affetti da cancro, spesso superando i medici in precisione. Questa tecnologia utilizza algoritmi di deep learning per offrire un metodo più oggettivo di valutare l’età biologica di un paziente rispetto alla sua età anagrafica, migliorando così le valutazioni prognostiche in oncologia. Il processo di sviluppo ha coinvolto l’addestramento di un modello di deep learning su un ampio set di dati composto da oltre 58. 000 fotografie di individui sani, consentendo al sistema di riconoscere schemi di invecchiamento riflessi nelle caratteristiche del volto. I ricercatori hanno poi testato il modello su 6. 196 pazienti affetti da cancro per determinarne l’efficacia. In modo sorprendente, l’algoritmo ha rivelato che l’età biologica di questi pazienti, o “FaceAge”, risultava circa cinque anni più vecchia rispetto alla loro età anagrafica reale. Questa discrepanza di età aveva implicazioni significative per comprendere lo stato di salute dei pazienti. Pubblicato sulla rivista Lancet Digital Health, lo studio ha dimostrato un forte collegamento tra un FaceAge più elevato e una ridotta possibilità di sopravvivenza tra i pazienti oncologici. Nota importante, questa correlazione era indipendente da variabili come l’età anagrafica, il sesso o il tipo di cancro, il che indica che FaceAge cattura elementi unici dell’invecchiamento biologico e del deterioramento della salute. In contesti clinici, FaceAge ha mostrato un particolare potenziale nel migliorare le previsioni di sopravvivenza. La ricerca ha riscontrato che, quando i medici hanno integrato FaceAge con i metodi tradizionali, la loro precisione nel predire la sopravvivenza a sei mesi è passata dal 61% all’80%. Questo progresso potrebbe facilitare decisioni più informate riguardo ai piani di trattamento e alle discussioni sulla fine della vita.

Nonostante i risultati promettenti, FaceAge presenta delle limitazioni. Potenziali bias nei set di dati di addestramento e validazione potrebbero portare a risultati distorti o meno generalizzabili. Inoltre, come per qualsiasi sistema di intelligenza artificiale, anche FaceAge può commettere errori o interpretazioni errate, evidenziando la necessità di continue validazioni e perfezionamenti. Le ricerche attuali mirano a ampliare i test per valutare l’utilità dello strumento oltre la prognosi del cancro, inclusa la possibilità di prevedere gli esiti di salute generale e la longevità in popolazioni più ampie. Questo studio rappresenta un contributo significativo al crescente campo dei biomarcatori dell’invecchiamento, ossia la ricerca biomedica finalizzata a sviluppare indicatori misurabili di invecchiamento biologico. Mentre l’invecchiamento percepito è da sempre valutato tramite osservazione umana e riconosciuto come predittore di malattie e salute globale, FaceAge avanza il campo automatizzando questa valutazione, potenzialmente offrendo maggiore consistenza e oggettività. Gli esperti sottolineano l’importanza di una trasparenza riguardo al modo in cui l’AI identifica e valuta le caratteristiche del volto per stimare l’età biologica. Una tale comprensione è fondamentale per garantire affidabilità, evitare fattori confondenti e affrontare le questioni etiche legate alle predizioni mediche guidate dall’intelligenza artificiale. In definitiva, FaceAge rappresenta una promettente convergenza tra intelligenza artificiale e prognostica medica, introducendo metodi innovativi per valutare la salute dei pazienti e guidare le decisioni cliniche. Con il proseguire della ricerca, potrebbe consentire un’assistenza medica più personalizzata e precisa, centrata sulle reali condizioni biologiche riflesse nell’aspetto dei pazienti.