Zinātnieki ir radījuši inovatīvu, ar mākslīgā intelekta tehnoloģijām balstītu rīku FaceAge, kas analizē sejas īpašības, lai prognozētu izdzīvošanas iznākumus vēža slimniekiem, bieži pārspējot klīniskos speciālistus precizitātē. Šī tehnoloģija izmanto dziļās mācīšanās algoritmus, piedāvājot objektīvāku veidu, kā novērtēt pacienta bioloģisko vecumu, nevis viņa hronoloģisko vecumu, tādējādi uzlabojot prognozēšanas novērtējumus onkoloģijā. Izstrādes gaitā tika apmācīts dziļās mācīšanās modelis uz lielas datu kopas, kas sastāvēja no vairāk nekā 58 000 veselīgu cilvēku fotogrāfijām, ļaujot sistēmai atpazīt novecošanas modeļus, kas atspoguļoti sejas īpašībās. Pēc tam pētnieki pārbaudīja modeli uz 6196 vēža pacientiem, lai noteiktu tā efektivitāti. Pārsteidzoši, algoritms atklāja, ka šo pacientu bioloģiskais vai “FaceAge” ir aptuveni piecus gadus vecāks par viņu faktiskajām hronoloģiskajām vecumu. Šis vecuma atšķirības ir būtiskas, lai labāk izprastu pacienta veselības stāvokli. Ziņots žurnālā Lancet Digital Health, pētījums parādīja stipru saistību starp augstāku FaceAge un samazinātām izdzīvošanas iespējām vēža pacientiem. Īpaši svarīgi, ka šī saistība bija neatkarīga no tādiem faktoriem kā hronoloģiskais vecums, dzimums vai vēža veids, norādot, ka FaceAge atklāj unikālas bioloģiskā novecošanas un veselības pasliktināšanās iezīmes. Klīniskajā praksē FaceAge ir īpaši ieguvusi cerības uz ievērojamu uzlabojumu izdzīvošanas prognozēšanā. Pētījums parādīja, ka, ja klīnicisti šo rīku izmantoja kopā ar tradicionālajām metodēm, to precizitāte sešu mēnešu izdzīvošanas prognozēšanā pieauga no 61% līdz 80%. Šis progress ir nozīmīgs, jo var veicināt labāk informētu lēmumu pieņemšanu par ārstēšanas plāniem un tuvinieku aprūpi.

Neskatoties uz šiem sekmīgajiem rezultātiem, FaceAge ir arī ierobežojumi. Potenciālas iepriekšējas aizspriedes datu ievades un validācijas procesos var novest pie novirzēm vai mazāk vispārīgām rezultātu interpretācijām. Turklāt, tāpat kā ar jebkuru mākslīgā intelekta sistēmu, FaceAge var radīt kļūdas vai neskaidrības, tāpēc ir nepieciešama nepārtraukta pārbaude un pilnveidošana. Pašlaik tiek plānots paplašināt testēšanu, lai novērtētu šī rīka lietderību arī ārpus vēža prognozēšanas, tostarp tā potenciālo spēju paredzēt vispārējo veselības stāvokli un dzīves ilgumu plašākā populācijā. Šis pētījums būtiski papildina novecošanās biomarkeru jomu — biomedicīnas pētījumus, kas attīsta mērogojamus rādītājus bioloģiskā novecošanas novērtēšanai. Kamēr līdz šim novecošanas procesa novērtēšana tika uzskatīta par cilvēka novērojumu un kādreiz par veselības un slimību prognozētāju, FaceAge šo procesu automatizē, sniedzot iespēju iegūt lielāku konsekvenci un objektivitāti. Eksperti uzsver, cik svarīgi ir skaidri saprast, kā mākslīgais intelekts identificē un sver sejas iezīmes, vērtējot bioloģisko vecumu. Šāda izpratne ir būtiska, lai nodrošinātu rezultātu ticamību, novērstu aizspriedes un risinātu ētiskas jautājumu saistībā ar medicīnisko prognozēšanu ar mākslīgā intelekta palīdzību. Kopumā FaceAge ir solis uz priekšu mākslīgā intelekta un medicīniskās prognozēšanas saplūšanā, ieviešot jaunas metodes, kā novērtēt pacientu veselību un vadīt klīniskos lēmumus. Turpinot pētījumus, tas varētu ļaut individualizēt un padarīt precīzāku medicīnisko aprūpi, ņemot vērā pacienta izskata atspoguļotās bioloģiskās realitātes.