მეცნიერებლებმა შექმნეს ინოვაციური ხელოვნური ინტელექტზე დაფუძნებული ინსტრუმენტი, რომელსაც სახელწოდებაა FaceAge, რომელიც ანალიზივით სახის ეტიკეტების შესახებ პროგნოზირებს სიმპტომების შედეგებს კენკრის საყრდენის პაციენტებში და ხშირად აჩვენებს კლინიკოსებს ზუსტი მნიშვნელობით. ეს ტექნოლოგია იყენებს ღრმა სწავლების ალგორითმებს, რათა სავსებით ობიექტური მეთოდი შესაფარდეს პაციენტის ბიოლოგიურ ასაკს, წინააღმდეგი მისი კრონოლოგიური ასაკის, რაც ზრდის პროფილაქტიკურ შეფასებებს ონკოლოგიაში. განვითარების პროცესში გამოიწვია ღრმა სწავლების მოდელის ტრენინგი გამდიდრებული მონაცემთა ბაზაზე, რომელიც შედგებოდა 58, 000-ზე მეტი ჯანმრთელი ადამიანის ფოტოსგან, რაც საშუალებას აძლევდა სისტემას გააცნობიეროს ასაკის ცვლილებები სახის თვისებების საფუძველზე. მკვლევარებმა შემდეგ ტესტირება ჩაატარეს 6, 196 კენკრის პაციენტებზე იმისათვის, რათა განსაზღვრონ მისი ეფექტიანობა. განსაკუთრებით, ალგორითმმა გამოავლინა, რომ ამ პაციენტების ბიოლოგიური, ანუ "FaceAge", დაახლოებით ხუთი წლით აღემატებოდა მათ კრონოლოგიურ ასაკს. ეს ასაკის განსხვავება მაჩვენებელი იყო პაციენტის ჯანმრთელობის მდგომარეობის გასაგებად. ჟურნალ Lancet Digital Health-ში გამოქვეყნებულ კვლევაში აშკარად ჩანს, რომ უფრო მაღალი FaceAge მძიმე იყო პაციენტის survival-ს ამნისტიასთან. საინტერესოა, რომ ეს კავშირი არ იყო დამოკიდებული კრონოლოგიურ ასაკზე, სქესზე ან კენკრის ტიპზე, რაც მიუთითებს, რომ FaceAge უნიკალურ ელემენტებს ჩანგლავს ბიოლოგიაში და ჯანმრთელობის გაუარესებაში. კლინიკურ პრაქტიკაში, FaceAge კარგად უქმნის სურპრიზებს ცოცხალობის პროგნოზის გაუმჯობესებაში. კვლევამ აჩვენა, რომ როდესაც კლინიკოსები იყენებდნენ FaceAge-სა და ტრადიციული მეთოდების კომբინაციას, მათი ზუსტობა ექვსი თვის სიცოცხლის პროგნოზის მიმართ გაიზარდა 61%-დან 80%-მდე. ეს პროგრესი ხელს უწყობს უკეთეს გადაწყვეტილებებს სამკურნალო გეგმებისა და სიკვდილის რისკების განხილვაში.

იმის მიუხედავად, რომ შედეგები მეტისმეტად სასიამოვნოა, FaceAge-ს აქვს გარკვეული შეზღუდვები. მონაცემთა ბაზების შესაძლო ბიურიები და სანდოობის ნაკლებობა შესაძლოა გამოიწვიოს სტატისტიკური ბრადუსების ან ნაკლებად გლობალური შედეგების მიღებას. გარდა ამისა, როგორც ნებისმიერი AI ინსტრუმენტი, FaceAge მიიღებს ცდომილებებს ან გაუგებრობებს, რაც აღნიშნავს მუდმივ სანდოობის და გაუმჯობესების საჭიროებას. მიმდინარე კვლევები ხელს უწყობს ტესტირების გაზრდას იმ მიზნების გასაცნობიერებლად, რომლებიც ეხება ამ ხელსაწყოს შესაძლებლობებს ზოგად ჯანმრთელობის შედეგებისა და სიცოცხლის ხანგრძლივობის პროგნოზირებაში უფრო ფართო მასებზე. ეს კვლევა მნიშვნელოვან წვლილს წარმოადგენს ბიომეტაბოლური ნიშნავნების განვითარებაში — ბიომედიცინური კვლევების დარგში, რომელიც ფოკუსირებულია ბიოლოგიური ასაკის შეზღუდული მაჩვენებლების შექმნაზე. თუმცა, აღნუსხვის ასაკი ჯერ კიდევ შეფასებულია ადამიანის ინსტრუმენტით და मानავდება, როგორც დაავადებებისა და საერთო ჯანმრთელობის წინასწარმეტყველება, FaceAge ხელთ იგებს ამ პროცესს ავტომატიზაციის საშუალებით, რაც შეიძლება მიეცეს მეტი სიზუსტე და ობიექტურობა. ექსპერტები ამახვილებენ ყურადღებას იმაზე, რომ მნიშვნელოვანია გასაგები იყოს, როგორ ამჩნევს და მომხმარებს AI სახის სურათის ასახვას ბიოლოგიურ ასაკის შესაფარისას. ასეთი ჩანაწერი მნიშვნელოვანია იმის უზრუნველსაყოფად, რომ სანდოობა იყო უზრუნველყოფილი, რაიმე ბარიერების თავიდან აცილების და ეთიკური საკითხების განმარტებისათვის. საერთო ჯამში, FaceAge წარმოაჩენს გამორჩეულ სამედიცინო პროგნოზის და ხელოვნური ინტელექტის გაერთიანების ხილვას, ახალი მეთოდებით თავიანთი შესაძლებლობების გაკაფვა და კლინიკური გადაწყვეტილებების გასაღება. კვლევების გაგრძელებისას, შესაძლებელია პაციენტის ჯანმრთელობის და სიცოცხლის ხანგრძლივობის ზუსტი და პერსონალიზირებული შეფასება გახდეს შესაძლებელი, რეალურ ბიოლოგიურ რეალობებზე დაფუძნებული მიდგომით.