Naukowcy stworzyli innowacyjne narzędzie oparte na sztucznej inteligencji o nazwie FaceAge, które analizuje cechy twarzy, aby przewidzieć wyniki przeżycia u pacjentów z chorobami nowotworowymi, często przewyższając dokładnością klinicystów. Technologia ta wykorzystuje algorytmy głębokiego uczenia się, aby zaoferować bardziej obiektywną metodę oceny biologicznego wieku pacjenta, w przeciwieństwie do wieku chronologicznego, co zwiększa trafność prognoz onkologicznych. Proces rozwoju obejmował trening modelu głębokiego uczenia na dużym zbiorze danych zawierającym ponad 58 000 fotografii zdrowych osób, co pozwoliło systemowi rozpoznawać wzorce starzenia odzwierciedlone w cechach twarzy. Naukowcy przetestowali następnie model na 6 196 pacjentach z nowotworami, aby ocenić jego skuteczność. Co uderza, algorytm wykazał, że biologiczny wiek tych pacjentów, czyli „FaceAge”, wydawał się być około pięciu lat starszy od ich rzeczywistego wieku chronologicznego. To rozbieżność wieku miała istotne znaczenie dla zrozumienia stanu zdrowia pacjentów. Opublikowane w czasopiśmie Lancet Digital Health badanie wykazało silny związek między wyższym FaceAge a zmniejszonymi szansami na przeżycie wśród pacjentów z nowotworami. Co warte podkreślenia, to powiązanie było niezależne od takich zmiennych jak wiek chronologiczny, płeć czy typ nowotworu, co świadczy o tym, że FaceAge rejestruje unikalne elementy starzenia biologicznego i spadku zdrowia. W warunkach klinicznych FaceAge wykazało szczególną obiecującość w poprawie przewidywań przeżycia. Badania wykazały, że gdy klinicyści uwzględniali FaceAge razem z tradycyjnymi metodami, ich trafność w przewidywaniu przeżycia na sześć miesięcy wzrosła z 61% do 80%. Ta innowacja może pomóc w podejmowaniu lepiej poinformowanych decyzji dotyczących planów leczenia i rozmów na temat opieki końcowej życia.

Mimo obiecujących wyników, FaceAge ma pewne ograniczenia. Potencjalne uprzedzenia w zbiorach danych treningowych i walidacyjnych mogą prowadzić do zniekształceń lub mniej uniwersalnych wyników. Ponadto, jak w przypadku każdego systemu AI, FaceAge może generować błędy lub błędne interpretacje, co podkreśla potrzebę stałej walidacji i udoskonalania. Obecne badania mają na celu rozszerzenie testów, aby ocenić przydatność tego narzędzia poza prognozowaniem raka, w tym jego potencjał do przewidywania ogólnego stanu zdrowia i długości życia w szerszych populacjach. To badanie znacznie przyczynia się do rozwijającej się dziedziny biomarkerów starzenia się — badań biomedycznych koncentrujących się na opracowywaniu mierzalnych wskaźników starzenia się biologicznego. Choć postrzeganie starzenia się jako procesu ocenianego dotąd głównie poprzez obserwację ludzką i uznawanego za wskaźnik chorób i ogólnego stanu zdrowia, FaceAge posuwa to dalej, automatyzując ocenę, co może zapewnić większą spójność i obiektywność. Eksperci podkreślają znaczenie przejrzystości dotyczącej tego, jak sztuczna inteligencja identyfikuje i waży cechy twarzy przy szacowaniu wieku biologicznego. Zrozumienie tego procesu jest kluczowe dla zapewnienia wiarygodności, unikania czynników zakłócających i rozwiązania kwestii etycznych związanych z medycznymi prognozami opartymi na AI. Ogólnie rzecz biorąc, FaceAge stanowi obiecujące połączenie sztucznej inteligencji i prognostyki medycznej, wprowadzając nowatorskie metody oceny stanu zdrowia pacjentów i kierowania decyzjami klinicznymi. W miarę rozwoju badań może ono umożliwić bardziej spersonalizowaną i precyzyjną opiekę medyczną, skoncentrowaną na biologicznych realiach odzwierciedlonych w wyglądzie pacjentów.