Επιστημονική επανάσταση: Η Τεχνητή Νοημοσύνη «διαβάζει» την επιβίωση καρκινοπαθών από μια selfie

Γιατροί ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης το οποίο είναι ικανό να προβλέψει τις πιθανότητες επιβίωσης ενός ασθενούς με καρκίνο αξιοποιώντας απλώς μια φωτογραφία του.

Το σύστημα τεχνητής νοημοσύνης κατασκευάστηκε κατά παραγγελία από ειδικούς του Mass General Brigham, ενός μη κερδοσκοπικού, ολοκληρωμένου ακαδημαϊκού συστήματος υγειονομικής περίθαλψης στη Μασαχουσέτη, με στόχο την εκτίμηση της βιολογικής ηλικίας και την άμεση πρόβλεψη της έκβασης της επιβίωσης σε ασθενείς που έχουν διαγνωστεί με καρκίνο.

Πρόκειται για μία από τις πιο ολοκληρωμένες αποδείξεις μέχρι σήμερα σχετικά με το πώς η ανάλυση μιας selfie μέσω τεχνητής νοημοσύνης θα μπορούσε να συμβάλει στην αξιολόγηση της υγείας ενός ασθενούς και ενδεχομένως να καθοδηγήσει την ιατρική του φροντίδα. Το σύστημα εκπαιδεύτηκε σε δεδομένα από περισσότερες από 40 εκατομμύρια φωτογραφίες προσώπων από ένα ευρύ φάσμα εθνικοτήτων και ηλικιών.

Οι λεπτομέρειες αυτής της επιστημονικής ανακάλυψης δημοσιεύτηκαν στο επιστημονικό περιοδικό Lancet Digital Health.

Πώς λειτουργούν τα δύο συμπληρωματικά εργαλεία

Σύμφωνα με τα αποτελέσματα της μελέτης που εξέτασε το μοντέλο, το σύστημα μπορεί να εκτιμήσει τη βιολογική ηλικία ενός ανθρώπου -δηλαδή την ηλικία που δείχνει το πρόσωπό του και όχι την πραγματική, χρονολογική του ηλικία- και να προβλέψει τις πιθανότητες επιβίωσης καρκινοπαθών από μια συνηθισμένη φωτογραφία.

Οι γιατροί χρησιμοποίησαν αυτή την τεχνολογία για να αναπτύξουν δύο συμπληρωματικά εργαλεία. Το FAHR-FaceAge εκτιμά τη βιολογική ηλικία ενός ασθενούς και προβλέπει την επιβίωση από τον καρκίνο, ενώ το FAHR-FaceSurvival προβλέπει την επιβίωση απευθείας από τη φωτογραφία προσώπου, χωρίς να τη συμπεραίνει μέσω της βιολογικής ηλικίας.

Παρόλο που τα FAHR-FaceAge και FAHR-FaceSurvival προέκυψαν από το ίδιο μοντέλο, κατέγραψαν διαφορετικές και συμπληρωματικές πληροφορίες σχετικά με την υγεία του ασθενούς.

Κάθε αλγόριθμος βασίστηκε επίσης σε διαφορετικά σημεία του προσώπου για να πραγματοποιήσει τις αντίστοιχες προβλέψεις ηλικίας και κινδύνου θνησιμότητας. Το FAHR-FaceAge εστιάζεται στις ρυτίδες που εκτείνονται από τα πλαϊνά της μύτης προς τις γωνίες του στόματος, στην περιοχή του μετώπου ακριβώς πάνω από τις κόγχες των ματιών και στους κροτάφους. Στον αντίποδα, το FAHR-FaceSurvival αξιολογεί την περιοχή κάτω από τα μάτια και γύρω από τη ριζική γέφυρα της μύτης.

«Το FAHR-FaceSurvival πηγαίνει τον τομέα της αναγνώρισης της υγείας προσώπου μέσω τεχνητής νοημοσύνης ένα βήμα παραπέρα, μαθαίνοντας τον κίνδυνο επιβίωσης απευθείας από φωτογραφίες προσώπων ασθενών με καρκίνο», δήλωσε ο Ουγκό Αέρτς, συν-επικεφαλής συγγραφέας της μελέτης. «Απ’ όσο γνωρίζουμε, αυτή είναι η πρώτη απόδειξη ότι ένα μοντέλο τεχνητής νοημοσύνης μπορεί να προβλέψει άμεσα την επιβίωση από τον καρκίνο από μια απλή φωτογραφία».

Ποιοι έχουν υψηλότερο κίνδυνο θανάτου

Μεταξύ των καρκινοπαθών που υποβλήθηκαν σε ακτινοθεραπεία στις ΗΠΑ, τα άτομα που, σύμφωνα με το FAHR-FaceAge, έδειχναν πέντε ή περισσότερα χρόνια μεγαλύτερα από την πραγματική τους ηλικία είχαν 21% υψηλότερο κίνδυνο θανάτου κατά τη διάρκεια μιας μέσης περιόδου παρακολούθησης τεσσάρων ετών σε σύγκριση με την υπόλοιπη ομάδα. Αντίθετα, οι ασθενείς που έδειχναν πέντε ή περισσότερα χρόνια νεότεροι είχαν 17% χαμηλότερο κίνδυνο.

«Η βασική τεχνολογική πρόοδος είναι ότι το FAHR-Face μαθαίνει μια γενική αναπαράσταση του προσώπου από περισσότερες από 40 εκατομμύρια εικόνες, η οποία στη συνέχεια μπορεί να προσαρμοστεί σε ξεχωριστά αποτελέσματα υγείας, όπως η βιολογική ηλικία και η επιβίωση», εξήγησε ο Αέρτς. «Αυτή η προσέγγιση βασισμένη σε μοντέλα-θεμέλια μας προσφέρει έναν επεκτάσιμο τρόπο ανάπτυξης πολλαπλών βιοδεικτών υγείας προσώπου, αντί να εκπαιδεύουμε κάθε μοντέλο από το μηδέν».

Τα αποτελέσματα της μελέτης υποδεικνύουν ότι οι εκτιμήσεις της βιολογικής ηλικίας των ανθρώπων συνδέονται στενά με τη σωματική τους υγεία, γεγονός που θα μπορούσε να αντικατοπτρίζει την ικανότητά τους να επιβιώνουν από συγκεκριμένες θεραπείες, όπως μεταδίδει ο Guardian.

Υποστήριξη στους γιατρούς για τις δύσκολες αποφάσεις

Αυτή η ανακάλυψη θα μπορούσε να ανοίξει τον δρόμο ώστε η ανάλυση προσώπου μέσω τεχνητής νοημοσύνης να βοηθήσει τους γιατρούς στη λήψη δύσκολων αποφάσεων σχετικά με την καλύτερη δυνατή πορεία θεραπείας για τους ασθενείς τους.

Το εργαλείο θα μπορούσε να συμβάλει στην καλύτερη πρόβλεψη του κινδύνου θανάτου ή επιπλοκών μετά από μια σοβαρή χειρουργική επέμβαση ή άλλες θεραπείες για τον καρκίνο.

Ο δρ Ρέιμοντ Μακ, ακτινοθεραπεγκτής-ογκολόγος στο Mass General Brigham, δήλωσε: «Καθώς ο πληθυσμός γηράσκει, οι γιατροί χρειάζονται καλύτερους τρόπους για να εκτιμούν τη σωματική αντοχή και την ευθραυστότητα πριν προτείνουν εντατικές θεραπείες, όπως η ακτινοβολία, η χειρουργική επέμβαση ή η συστηματική θεραπεία.

Ο στόχος μας είναι να κάνουμε την αξιολόγηση της υγείας με βάση τη φωτογραφία προσώπου πιο ποσοτική, συνεπή και επεκτάσιμη, ώστε να μπορεί να υποστηρίζει εξατομικευμένες θεραπευτικές αποφάσεις και όχι να αντικαθιστά την κρίση του γιατρού».

Η προειδοποίηση

Οι ερευνητές διαπίστωσαν ότι οι παράγοντες του τρόπου ζωής σχετίζονται με τη γήρανση του προσώπου. Για παράδειγμα, η βαριά κατανάλωση αλκοόλ, η χρήση ναρκωτικών ουσιών και το κάπνισμα συνδέθηκαν με το να φαίνεται κάποιος βιολογικά μεγαλύτερος κατά την ανάλυση των φωτογραφιών προσώπου από την τεχνητή νοημοσύνη.

«Ένα άλλο εκπληκτικό εύρημα ήταν το πόσο συνεπές ήταν το FAHR-FaceAge απέναντι σε κοινές παραλλαγές φωτογραφιών της πραγματικής ζωής, συμπεριλαμβανομένων της πόζας, του φωτισμού, της έκφρασης του προσώπου και του μακιγιάζ», τόνισε ο Μακ. «Ήταν επίσης σταθερό στις περισσότερες επεμβάσεις πλαστικής χειρουργικής που δοκιμάστηκαν, με μια ελάχιστη μεταβολή να παρατηρείται μόνο μετά από ρινοπλαστική».

Οι γιατροί προειδοποίησαν ότι, παρόλο που οι μεμονωμένες φωτογραφίες προσώπου θα μπορούσαν να προσφέρουν έναν εύκολο και χαμηλού κόστους τρόπο υποστήριξης εξατομικευμένων θεραπευτικών αποφάσεων, απαιτείται περαιτέρω έρευνα προτού το εργαλείο μπορέσει να χρησιμοποιηθεί ευρέως στην κλινική πράξη.