O singură fotografie a feței unui pacient bolnav de cancer ar putea oferi indicii despre riscul de deces și despre evoluția bolii, potrivit unui model de inteligență artificială dezvoltat de cercetătorii de la Mass General Brigham. Sistemul, denumit FAHR-FaceSurvival, analizează o fotografie a feței și estimează riscul de mortalitate, iar rezultatele cercetării au fost publicate în revista științifică The Lancet Digital Health.
Datele studiului indică diferențe importante între pacienții încadrați de algoritm în categoriile cu risc foarte ridicat și cei considerați cu risc scăzut. Dintre pacienții ale căror scoruri s-au situat în primele 10% din punctul de vedere al riscului estimat, aproximativ jumătate au murit în decurs de 90 de zile. În grupul cu cele mai mici scoruri de risc, proporția deceselor în aceeași perioadă a fost de aproximativ 2%.
Cercetarea deschide o nouă direcție în utilizarea inteligenței artificiale în medicină, însă specialiștii atrag atenția că sunt necesare evaluări suplimentare. Modelul trebuie să demonstreze că oferă informații utile în plus față de cele pe care medicii le pot obține deja prin metodele obișnuite de evaluare și că rezultatele sale nu sunt afectate de prejudecăți legate de rasă sau de alte caracteristici ale pacienților.
Cum funcționează sistemul de inteligență artificială care analizează chipul pacienților
Modelul FAHR-FaceSurvival a fost conceput pentru a estima riscul de mortalitate la pacienții cu cancer pornind de la o singură fotografie a feței. Spre deosebire de evaluările medicale care se bazează pe mai multe informații despre starea de sănătate a unei persoane, acest sistem folosește imaginea facială ca punct de plecare pentru estimarea riscului.
Potrivit rezultatelor cercetării, algoritmul reușește să identifice diferențe între pacienții care au avut un risc estimat ridicat și cei încadrați în categoria cu risc scăzut. Aceste diferențe s-au reflectat în proporțiile deceselor înregistrate în cele două grupuri în primele 90 de zile.
În categoria cu cele mai mari scoruri de risc, aproximativ unul din doi pacienți a murit în acest interval. În schimb, în grupul cu cele mai mici scoruri, aproximativ doi din 100 de pacienți au murit în aceeași perioadă.
Diferența dintre cele două categorii este considerabilă și sugerează că fotografia facială ar putea conține informații asociate cu starea generală a pacientului și cu evoluția bolii. Totuși, rezultatele nu demonstrează că simpla analiză a feței poate stabili cu certitudine cât timp mai are de trăit o persoană.
FAHR-FaceSurvival oferă o estimare a riscului, nu o predicție individuală sigură. Un scor ridicat nu înseamnă că decesul este inevitabil, după cum un scor scăzut nu garantează supraviețuirea.
Ce legătură există între fotografia feței și riscul de deces
Cercetătorii nu au stabilit încă exact ce caracteristici ale feței sunt interpretate de algoritm pentru a ajunge la estimările sale. Hărțile de atenție generate în timpul analizei sugerează că sistemul se concentrează în special asupra zonelor de sub ochi și asupra regiunii din jurul nasului.
Aceste reprezentări arată ce regiuni ale imaginii par să contribuie la procesul de analiză al modelului, însă nu explică în mod complet ce semnale identifică inteligența artificială și cum le asociază cu riscul de mortalitate.
Prin urmare, nu se poate afirma, pe baza informațiilor prezentate, că anumite trăsături faciale specifice indică în mod direct un risc mai mare de deces. Cercetătorii încă încearcă să înțeleagă ce anume recunoaște sistemul în fotografii și care sunt mecanismele din spatele rezultatelor.
Această problemă este importantă pentru utilizarea instrumentului în practica medicală. Pentru ca medicii să poată avea încredere într-un asemenea model, nu este suficient ca acesta să identifice diferențe statistice între grupuri. Este necesar să se înțeleagă cât de fiabile sunt estimările, în ce situații pot fi folosite și ce limite au.
Faptul că un algoritm identifică anumite zone ale feței drept relevante nu înseamnă automat că acele regiuni conțin un semn medical clar, ușor de interpretat de către specialiști.
FAHR-FaceSurvival a pornit de la un alt instrument, care estimează vârsta biologică
Noul model a fost dezvoltat pornind de la un instrument anterior, denumit FaceAge, care estimează vârsta biologică a unei persoane pe baza aspectului feței.
Vârsta biologică reprezintă o estimare a stării organismului, care nu este neapărat identică cu vârsta calendaristică. Instrumentul FaceAge urmărește să evalueze anumite caracteristici asociate îmbătrânirii, folosind analiza unei imagini faciale.
Potrivit informațiilor prezentate, FaceAge utilizează și alte informații despre starea de sănătate a pacientului, în timp ce noul sistem FAHR-FaceSurvival a fost conceput pentru a estima riscul de mortalitate folosind o fotografie a feței.
Dezvoltarea noului model reflectă interesul cercetătorilor pentru identificarea unor indicii care ar putea ajuta la evaluarea pacienților cu ajutorul inteligenței artificiale. În cazul cancerului, estimarea evoluției bolii este importantă pentru înțelegerea riscurilor și pentru planificarea îngrijirii medicale.
Cu toate acestea, cele două instrumente au obiective diferite: unul estimează vârsta biologică, în timp ce celălalt urmărește să estimeze riscul de mortalitate în rândul pacienților cu cancer.
Rezultatele trebuie comparate cu evaluările medicale obișnuite
Deși diferențele observate între grupurile cu risc ridicat și cele cu risc scăzut sunt importante, specialiștii din afara echipei de cercetare consideră că sunt necesare verificări suplimentare înainte ca sistemul să poată fi utilizat pe scară largă.
Una dintre principalele întrebări este dacă FAHR-FaceSurvival poate aduce informații suplimentare față de cele pe care medicii le obțin deja prin examinarea pacientului și prin evaluările medicale obișnuite.
Pentru a avea o utilitate reală în practica clinică, un astfel de model ar trebui să demonstreze că estimările sale îmbunătățesc înțelegerea riscului și contribuie la luarea unor decizii mai bine fundamentate. Dacă sistemul reproduce doar informații pe care medicii le cunosc deja, valoarea sa suplimentară ar putea fi limitată.
În plus, estimarea riscului de mortalitate este o problemă medicală complexă. Rezultatul unui algoritm nu poate fi interpretat separat de starea pacientului și de informațiile relevante pe care medicii le folosesc pentru evaluarea bolii.
Cercetătorii și specialiștii care analizează asemenea tehnologii trebuie să stabilească nu doar dacă modelul produce estimări corecte, ci și dacă acestea sunt suficient de fiabile pentru a susține decizii medicale.
Riscul ca inteligența artificială să reproducă prejudecăți
O altă problemă importantă semnalată de experți este posibilitatea ca modelul să încorporeze prejudecăți legate de rasă sau de alte caracteristici ale pacienților.
Sistemele de inteligență artificială învață să identifice tipare în datele folosite pentru dezvoltarea și evaluarea lor. Dacă aceste date nu reprezintă în mod adecvat diversitatea populației, rezultatele pot fi mai puțin fiabile pentru anumite grupuri.
În cazul unui instrument care estimează riscul de deces pe baza unei fotografii, verificarea acestui aspect este esențială. Un model folosit în medicină nu ar trebui să ofere estimări mai puțin precise pentru anumite categorii de pacienți din cauza caracteristicilor lor demografice.
De aceea, evaluarea FAHR-FaceSurvival trebuie să includă și verificări privind corectitudinea estimărilor pentru persoane cu caracteristici diferite. Este important ca eventualele diferențe de performanță între grupuri să fie identificate și înțelese înainte ca instrumentul să fie luat în considerare pentru utilizare clinică.
Experții subliniază că potențialul tehnologic al unui asemenea sistem trebuie analizat împreună cu limitele sale și cu riscurile pe care le-ar putea genera în cazul utilizării necorespunzătoare.
Poate fi folosită o fotografie pentru a prezice cât mai are de trăit un pacient cu cancer?
Rezultatele studiului arată că modelul poate diferenția grupuri de pacienți în funcție de riscul estimat de mortalitate. Totuși, acest lucru nu înseamnă că o fotografie poate determina cu precizie durata de viață a unei anumite persoane.
Datele prezentate se referă la proporțiile deceselor înregistrate în decurs de 90 de zile în grupurile cu cele mai mari, respectiv cele mai mici scoruri de risc. Ele nu oferă o garanție privind evoluția fiecărui pacient și nu permit concluzia că algoritmul poate stabili o dată sau o durată exactă a supraviețuirii.
Diferența este importantă: o estimare statistică a riscului poate identifica grupuri care, în medie, au rezultate diferite, fără să poată anticipa cu certitudine ce se va întâmpla în cazul fiecărei persoane.
În plus, înainte de a fi utilizat în spitale sau în consultații, instrumentul trebuie să demonstreze că oferă beneficii concrete și că rezultatele sale pot fi interpretate în mod responsabil de către personalul medical.
Pentru pacienții cu cancer și familiile acestora, asemenea estimări pot fi deosebit de sensibile. Din acest motiv, utilizarea lor ar necesita atenție atât în privința preciziei, cât și a modului în care informațiile sunt comunicate și integrate în îngrijirea medicală.
Concluzie: o posibilă nouă direcție în medicina asistată de inteligența artificială
Modelul FAHR-FaceSurvival, dezvoltat de cercetătorii de la Mass General Brigham, arată că o fotografie facială ar putea conține indicii utile pentru estimarea riscului de mortalitate în rândul pacienților cu cancer. Diferențele observate după 90 de zile între pacienții cu scoruri foarte ridicate și cei cu scoruri scăzute sugerează că instrumentul merită studiat în continuare.
În grupul cu cele mai mari scoruri de risc, aproximativ 50% dintre pacienți au murit în primele 90 de zile, comparativ cu aproximativ 2% în grupul cu cele mai mici scoruri. Cercetătorii nu au stabilit însă cu exactitate ce semnale faciale analizează sistemul și cum ajunge acesta la estimările sale.
Înainte ca tehnologia să poată fi folosită în mod curent în medicină, este necesar să se demonstreze că oferă informații suplimentare față de evaluările clinice obișnuite și că funcționează în mod fiabil pentru pacienți cu caracteristici diferite. Riscul de prejudecăți și limitele interpretării rezultatelor rămân aspecte esențiale.
Cercetarea nu înseamnă că inteligența artificială poate stabili deja cât timp mai are de trăit un pacient doar privindu-i chipul. Ea indică însă o posibilă direcție de dezvoltare a instrumentelor medicale bazate pe analiza imaginilor, care ar putea ajuta la evaluarea riscurilor dacă utilitatea și siguranța lor vor fi confirmate prin cercetări suplimentare.
Reduc repetițiile și scurtez articolulClarific diferența dintre risc și predicție