Riassunto:
Ricercatori statunitensi hanno sviluppato una nuova generazione di modelli di riconoscimento della salute facciale in grado di stimare l'età biologica di un paziente in base alle caratteristiche facciali e valutare direttamente il rischio di morte. I risultati dello studio mostrano che queste immagini facciali contengono informazioni relative alla prognosi dei malati di cancro, che in futuro potrebbero aiutare i medici a valutare in modo più completo le condizioni fisiche del paziente e fornire un riferimento per la formulazione dei piani di trattamento.
Questo modello di base di intelligenza artificiale chiamato FAHR-Face è stato sviluppato da un gruppo di ricerca presso il Mass General Brigham, un istituto medico globale nel Massachusetts, negli Stati Uniti, ed è stato addestrato utilizzando più di 40 milioni di foto facciali di diverse età e gruppi etnici. Sulla base di ciò, i ricercatori hanno sviluppato due strumenti di analisi complementari: FAHR-FaceAge e FAHR-FaceSurvival. Il primo stima l'età biologica di una persona e utilizza queste informazioni per aiutare a valutare la prognosi del cancro; quest'ultimo prevede il rischio di sopravvivenza di un malato di cancro direttamente dalle foto del viso, piuttosto che stimare l'età e quindi dedurre indirettamente i risultati.
Il team di ricerca ha addestrato il modello utilizzando foto cliniche di pazienti affetti da cancro e i loro conseguenti risultati medici. Tra questi, FAHR-FaceSurvival ha utilizzato 34.363 foto facciali di pazienti affetti da cancro per una formazione mirata ed è stato verificato in un set di dati sui pazienti indipendente. In questo modo, i ricercatori sperano di consentire all’intelligenza artificiale di identificare i segnali provenienti dalle immagini facciali relative alle condizioni fisiche dei pazienti e ai risultati di sopravvivenza.
I risultati della ricerca mostrano che FAHR-FaceSurvival ha una forte capacità di discriminazione del rischio. Secondo i risultati del modello di previsione, circa la metà dei pazienti nell’intervallo di rischio di morte più elevato del 10% è morta entro 90 giorni; mentre la percentuale di pazienti nell'intervallo di rischio più basso del 10% era di circa il 2%. Se confrontato secondo i quartili, anche il rischio di morte nel gruppo a rischio più elevato era significativamente più alto di quello nel gruppo a rischio più basso, con un rapporto di rischio aggiustato di 3,23.
I ricercatori hanno inoltre scoperto che il divario tra l'età biologica stimata dall'intelligenza artificiale e l'età effettiva è correlato anche ai risultati di sopravvivenza dei pazienti affetti da cancro. Tra i pazienti sottoposti a radioterapia, quelli i cui volti sembravano almeno cinque anni più vecchi della loro età effettiva avevano un rischio di morte maggiore del 21% durante un follow-up medio di circa quattro anni. Coloro i cui volti sembravano almeno cinque anni più giovani della loro età effettiva avevano un rischio di morte inferiore del 17%.
Ciò non significa che una persona che sembra più giovane sia necessariamente più brava a combattere il cancro. L’età biologica nello studio è una metrica stimata dall’intelligenza artificiale in base all’apparenza e non è una misura diretta dell’invecchiamento cellulare, della funzione degli organi o dello stato del sistema immunitario. Probabilmente riflette una combinazione di sforzo corporeo, cambiamenti muscolari e dei tessuti molli e altri fattori legati alla salute, ma non è ancora del tutto chiaro quali segnali fisiologici specifici identifichi il modello.
Analizzando l'area di attenzione del modello, i ricercatori hanno scoperto che le posizioni facciali su cui si concentravano i due strumenti erano diverse. FAHR-FaceAge analizza principalmente le pieghe nasolabiali dal naso agli angoli della bocca, alla zona della fronte e delle tempie; FAHR-FaceSurvival si concentra maggiormente sulla zona sotto gli occhi e attorno al ponte del naso. Ciò suggerisce che la previsione dell’età biologica e del rischio di sopravvivenza può basarsi su diverse informazioni facciali.
Il team di ricerca ritiene che questa tecnologia potrebbe in futuro aiutare i medici a valutare meglio la riserva fisica e la fragilità di un paziente prima di decidere se ricorrere alla chirurgia, alla radioterapia o al trattamento farmacologico sistemico. Per i pazienti più anziani, che presentano condizioni mediche complesse o che non dispongono di dati completi sui biomarcatori tradizionali, si prevede che l’analisi delle foto facciali diventi un metodo di valutazione ausiliario a basso costo e facile da utilizzare.
Lo studio ha inoltre scoperto che esiste un legame tra lo stile di vita e l'età biologica del viso, dove il fumo è il collegamento più importante e i volti appaiono più vecchi. Anche il consumo eccessivo di alcol e l’uso di droghe sono associati a fenomeni simili. I ricercatori hanno anche affermato che FAHR-FaceAge ha mostrato una certa stabilità sotto diversi angoli di ripresa, illuminazione, espressioni e condizioni di trucco e ha mantenuto risultati di stima relativamente stabili dopo la maggior parte degli interventi di chirurgia plastica testati, ma l'intervento di rinoplastica avrebbe apportato cambiamenti minori.
Tuttavia, ricercatori ed esperti esterni sottolineano che la tecnologia non può ancora sostituire direttamente il giudizio del medico. L'accuratezza delle previsioni di un modello non significa automaticamente che questo migliori i risultati effettivi del trattamento. La ricerca futura deve ancora confermare se l’aggiunta dei risultati dell’analisi facciale all’anamnesi, ai dati degli esami e alla valutazione fisica già noti ai medici può migliorare ulteriormente l’accuratezza della previsione e aiutare veramente i pazienti a ottenere risultati terapeutici migliori.
Inoltre, i gruppi di pazienti utilizzati per la formazione modello provengono principalmente da paesi ad alto reddito. Come garantire che sia adatto a diversi gruppi etnici, fasce di età e ambienti medici è ancora una questione importante. Poiché le caratteristiche facciali possono essere correlate all’origine etnica e a condizioni mediche preesistenti, l’intelligenza artificiale potrebbe anche ereditare errori nei dati di addestramento. Pertanto, prima di un’applicazione su larga scala, sono necessari una validazione indipendente più ampia e studi clinici prospettici.
I risultati della ricerca pertinente sono stati pubblicati su "The Lancet Digital Health". Il gruppo di ricerca spera che in futuro si possano estrarre indicatori di salute più quantificabili da una foto ordinaria, in modo che l’analisi facciale possa diventare uno strumento supplementare per la valutazione del rischio clinico, piuttosto che determinare le opportunità di trattamento di un paziente basandosi solo sull’aspetto.
Commenti