AsScientists telah mencipta satu alat inovatif berasaskan AI yang dipanggil FaceAge yang menganalisis ciri-ciri wajah untuk meramalkan hasil kelangsungan hidup pesakit kanser, seringkali melebihi ketepatan klinisi. Teknologi ini menggunakan algoritma pembelajaran mendalam untuk menawarkan kaedah penilaian umur biologi pesakit yang lebih objektif berbanding umur kronologi mereka, seterusnya meningkatkan penilaian prognostik dalam onkologi. Proses pembangunan melibatkan latihan model pembelajaran mendalam menggunakan satu set data besar yang mengandungi lebih 58, 000 foto individu sihat, membolehkan sistem mengenali corak penuaan yang dipantulkan dalam ciri wajah. Penyelidik kemudian menguji model ini ke atas 6, 196 pesakit kanser untuk menentukan keberkesanannya. Yang mengejutkan, algoritma menunjukkan bahawa umur biologi atau "FaceAge" pesakit-pesakit ini kelihatan kira-kira lima tahun lebih tua daripada umur kronologi mereka yang sebenar. Perbezaan umur ini membawa implikasi penting dalam memahami keadaan kesihatan pesakit. Diterbitkan dalam jurnal Lancet Digital Health, kajian ini menunjukkan hubungan yang kukuh antara FaceAge yang lebih tinggi dan peluang kelangsungan hidup yang berkurang di kalangan pesakit kanser. Yang penting, hubungan ini adalah bebas daripada pemboleh ubah seperti umur kronologi, jantina, atau jenis kanser, menandakan bahawa FaceAge menangkap unsur unik penuaan biologi dan penurunan kesihatan. Dalam suasana klinikal, FaceAge menunjukkan potensi tersendiri dalam meningkatkan ramalan kelangsungan hidup. Kajian mendapati bahawa apabila klinisi menggabungkan FaceAge bersama kaedah tradisional, ketepatan mereka dalam meramalkan kelangsungan hidup selama enam bulan meningkat dari 61% kepada 80%. Perkembangan ini mungkin membantu membuat keputusan berkaitan pelan rawatan dan perbincangan penjagaan menjelang akhir hayat yang lebih tepat dan berinformasi.

Walaupun hasil yang memberangsangkan, FaceAge mempunyai kekangan. Kecenderungan bias dalam set data latihan dan pengesahan boleh menyebabkan keputusan yang tersasar atau kurang boleh digeneralisasi. Selain itu, seperti mana-mana sistem AI, FaceAge berkemungkinan menghasilkan kesilapan atau interpretasi yang salah, menekankan keperluan untuk pengesahan dan penambahbaikan yang berterusan. Penyelidikan semasa bertujuan memperluas ujian bagi menilai keberkesanan alat ini di luar prognosis kanser, termasuk potensinya untuk meramalkan hasil kesihatan umum dan jangka hayat dalam populasi yang lebih luas. Kajian ini memberikan sumbangan besar kepada bidang biomarker penuaan yang semakin berkembang—penyelidikan bioperubatan yang fokus kepada pembangunan indikator yang boleh diukur untuk penuaan biologi. Walaupun penuaan yang dirasakan secara tradisional dinilai melalui pemerhatian manusia dan dianggap sebagai penunjuk penyakit dan kesihatan keseluruhan, FaceAge memajukan lagi dengan mengotomatisasikan penilaian ini, berpotensi menawarkan konsistensi dan objektiviti yang lebih tinggi. Pakar menegaskan pentingnya ketelusan mengenai bagaimana AI mengenal pasti dan menimbang ciri wajah dalam menganggarkan umur biologi. Pemahaman ini penting untuk memastikan kebolehpercayaan, mengelak faktor confounding, dan menangani kebimbangan etika berkaitan ramalan perubatan berasaskan AI. Secara keseluruhan, FaceAge mewakili gabungan yang menjanjikan antara kecerdasan buatan dan prognostik perubatan, memperkenalkan kaedah baharu untuk menilai kesihatan pesakit dan membimbing keputusan klinikal. Dengan berterusan penyelidikan, alat ini berpotensi untuk membolehkan penjagaan perubatan yang lebih personal dan tepat yang berpusat pada realiti biologi yang tercermin dalam penampilan pesakit.