Nakalikha ang mga siyentipiko ng isang makabagong kasangkapan na pinapatakbo ng AI na tinatawag na FaceAge na sinusuri ang mga katangian ng mukha upang hulaan ang kalagayan ng pagtulong sa mabuhay ng mga pasyenteng may kanser, kadalasang nalalampasan ang mga clinician sa katumpakan. Ang teknolohiyang ito ay gumagamit ng mga deep learning algorithms upang magbigay ng mas obhetibong paraan ng pagtataya sa biological na edad ng isang pasyente kumpara sa kanilang edad sa kalendaryo, kaya't pinapabuti ang mga pagsusuri sa prognosis sa larangan ng oncology. Ang proseso ng pagbuo nito ay kinabibilangan ng pagsasanay ng isang deep learning model gamit ang malaking dataset na binubuo ng mahigit sa 58, 000 larawan ng mga healthy na indibiduwal, na nagbibigay-daan sa sistema upang makilala ang mga palatandaan ng pagtanda na makikita sa mga katangian ng mukha. Sinubukan ng mga mananaliksik ang modelo sa 6, 196 na pasyenteng may kanser upang matukoy ang bisa nito. Kapansin-pansin, ipinakita ng algorithm na ang biological o “FaceAge” ng mga pasyenteng ito ay humigit-kumulang limang taon na mas matanda kaysa sa kanilang aktuwal na edad sa kalendaryo. Ang pagkakaibang sa edad na ito ay may malaking kahalagahan sa pag-unawa sa kalusugan ng pasyente. Ibinahagi sa journal na Lancet Digital Health, ipinakita sa pag-aaral na ito ang malakas na ugnayan sa pagitan ng mas mataas na FaceAge at mas mababang tsansa ng sobrevivensya ng mga pasyenteng may kanser. Mahalaga, ang ugnayang ito ay independyente sa mga salik tulad ng edad sa kalendaryo, kasarian, o uri ng kanser, na nagpapahiwatig na ang FaceAge ay nakukuha ang kakaibang aspeto ng biological na pagtanda at pagbagsak ng kalusugan. Sa mga klinikal na setting, nagpakita ang FaceAge ng partikular na pangako sa pagpapabuti ng mga prediksyon sa kaligtasan. Natuklasan sa pananaliksik na kapag isinama ng mga clinician ang FaceAge kasama ang mga tradisyunal na pamamaraan, tumaas ang kanilang katumpakan sa pagtataya ng anim na buwang survival mula 61% hanggang 80%. Ang pag-unlad na ito ay maaaring makatulong upang makagawa ng mas mahusay na mga desisyon tungkol sa mga planong medikal at usapin sa pagtatapos ng buhay.

Sa kabila ng magagandang resulta nito, may mga limitasyon ang FaceAge. Maaaring magdulot ng bias sa mga datos na ginamit sa pagsasanay at pagbibigay-katwiran, na maaaring magresulta sa mga mas malabo o hindi ganap na generalisadong resulta. Bukod dito, tulad ng anumang AI system, maaaring magkamali o magbigay ng maling interpretasyon ang FaceAge, kaya’t mahalaga ang patuloy na pagsusuri at pag-aayos nito. Target ng kasalukuyang pananaliksik na palawakin ang pagsusuri upang masuri ang gamit ng kasangkapan sa iba pang larangan bukod sa prognosis ng kanser, kabilang na ang potensyal nitong mailarawan ang pangkalahatang kalusugan at habang-buhay sa mas malawak na populasyon. Malaking ambag ang pag-aaral na ito sa lumalaking larangan ng mga biomarker ng pagtanda—isang pananaliksik sa biomedical na nakatuon sa pagbuo ng mga nasusukat na tagapagpahiwatig ng biological na pagtanda. Habang ang nakikitang pagtanda ay karaniwang sinusuri sa pamamagitan ng tao at kinikilala bilang predictor ng sakit at pangkalahatang kalusugan, pinapalawak ng FaceAge ang prosesong ito sa pamamagitan ng awtomatikong pagsusuri, na maaaring magdulot ng mas mataas na consistency at obhetibidad. Binibigyang-diin ng mga eksperto ang kahalagahan ng transparency kung paano nakikilala at tinimbang ng AI ang mga katangian ng mukha sa pagtaya sa biological na edad. Mahalaga ito upang matiyak ang pagiging maaasahan, maiwasan ang mga confounding factors, at tugunan ang mga etikal na isyu na kaugnay sa mga medikal na prediksyon na pinapatakbo ng AI. Sa kabuuan, ang FaceAge ay nagrerepresenta ng isang promising na pagsasanib ng artificial intelligence at medikal na prognosis, na nagdadala ng mga bagong paraan upang suriin ang kalusugan ng pasyente at gabayan ang mga klinikal na desisyon. Sa pagpapatuloy ng pananaliksik, maaaring mas mapabuti ang personalisadong at mas tumpak na pangangalagang medikal na nakatuon sa mga biological na katotohanan na nakikita sa hitsura ng mga pasyente.