Forskere har utviklet et innovativt verktøy drevet av kunstig intelligens kalt FaceAge, som analyserer ansiktstrekk for å forutsi overlevelsesutfall hos kreftpasienter, og som ofte overgår klinikere i nøyaktighet. Denne teknologien bruker dype læringsalgoritmer for å tilby en mer objektiv metode for å vurdere pasientens biologiske alder i motsetning til deres kronologiske alder, noe som forbedrer prognostiske vurderinger innen onkologi. Utviklingsprosessen involverte trening av en dyp læringsmodell på et stort datasett bestående av over 58 000 fotografier av friske personer, noe som gjorde systemet i stand til å gjenkjenne aldringsmønstre reflektert i ansiktstrekk. Forskere testet deretter modellen på 6 196 kreftpasienter for å måle dens effektivitet. Slående nok viste algoritmen at disse pasientenes biologiske eller «FaceAge» så ut til å være omtrent fem år eldre enn deres faktiske kronologiske alder. Dette aldersgapet hadde betydelige implikasjoner for å forstå pasientens helsestatus. Studiet, publisert i tidsskriftet Lancet Digital Health, viste en sterk sammenheng mellom høyere FaceAge og redusert sjanse for overlevelse blant kreftpasienter. Merkelig nok var denne sammenhengen uavhengig av variabler som kronologisk alder, kjønn eller krefttype, noe som indikerer at FaceAge fanger opp unike elementer av biologisk aldring og helsesvikt. I kliniske innstillinger har FaceAge vist seg å ha spesielt stor potensiale for å forbedre overlevelsesprognoser. Forskningen viste at når klinikere tok i bruk FaceAge sammen med tradisjonelle metoder, økte nøyaktigheten i å forutsi overlevelse på seks måneder fra 61 % til 80 %. Denne fremskrittet kan legge til rette for bedre informerte beslutninger om behandlingsplaner og samtaler om livets slutt.

Til tross for de oppmuntrende resultatene har FaceAge begrensninger. Potensielle skjevheter i trenings- og valideringsdatabaser kan føre til skjeve eller mindre generaliserbare resultater. Videre kan, som med alle AI-systemer, FaceAge produsere feil eller misforståelser, noe som understreker behovet for kontinuerlig validering og forbedring. Pågående forskning har som mål å utvide testing for å vurdere verktøyets nytte utover kreftprognose, inkludert dets potensial til å forutsi generell helsetilstand og levetid i et bredere utvalg av befolkninger. Denne studien bidrar betydelig til det voksende feltet av aldringsbiomarkører – biomediinsk forskning med fokus på å utvikle målbare indikatorer på biologisk aldring. Mens oppfattet aldring tradisjonelt har blitt vurdert gjennom menneskelig observasjon og er kjent som en prediktor for sykdom og generell helse, fremmer FaceAge dette ved å automatisere vurderingen, noe som potensielt gir større konsistens og objektivitet. Eksperter understreker viktigheten av gjennomsiktighet når det gjelder hvordan AI identifiserer og veier ansiktstrekk i estimeringen av biologisk alder. En slik forståelse er avgjørende for å sikre pålitelighet, unngå forvirrende faktorer og adressere etiske bekymringer knyttet til AI-drevne medisinske prediksjoner. Overordnet sett representerer FaceAge en lovende sammensmelting av kunstig intelligens og medisinske prognoser, og introduserer nye metoder for å vurdere pasienthelse og veilede kliniske beslutninger. Etter hvert som forskningen fortsetter, kan verktøyet gjøre det mulig med mer personlig og presis medisinsk behandling basert på de biologiske realitetene som reflekteres i pasientenes utseende.