Πώς μια selfie μπορεί να προβλέψει την καλύτερη θεραπεία

Μια απλή selfie θα μπορούσε να βοηθήσει τους γιατρούς να προσδιορίσουν την πραγματική βιολογική ηλικία ενός ασθενούς και να εκτιμήσουν πόσο καλά θα ανταποκριθεί στη θεραπεία του καρκίνου, σύμφωνα με μια νέα μελέτη.

Ερευνητές από το νοσοκομείο Mass General Brigham στις ΗΠΑ δήλωσαν ότι η φυσική εμφάνιση ενός ασθενούς μπορεί να βοηθήσει στην εκτίμηση της λεγόμενης «βιολογικής ηλικίας» του, δηλαδή της φυσιολογικής ηλικίας ενός ατόμου.

Η μελέτη τους διαπίστωσε ότι το νέο εργαλείο τεχνητής νοημοσύνης FaceAge μπορεί να εκτιμήσει τη βιολογική ηλικία ενός ατόμου, σε αντίθεση με την πραγματική του ηλικία, με μία απλή φωτογραφία του προσώπου του.

Η βιολογική ηλικία ενός ατόμου, η οποία αποτελεί δείκτη της συνολικής υγείας του και μπορεί να είναι δείκτης του προσδόκιμου ζωής, βασίζεται σε πολλούς παράγοντες, όπως ο τρόπος ζωής και η γενετική, σύμφωνα με τους ερευνητές.

Ωστόσο, οι επιστήμονες ήθελαν να εξετάσουν εάν η βιολογική ηλικία μπορεί να προσδιοριστεί με βάση την εμφάνιση ενός ατόμου, παρόμοια με αυτό που οι γιατροί αποκαλούν «εξέταση με το μάτι», όπου γίνονται ορισμένες κρίσεις με βάση την εμφάνιση ενός ατόμου, όπως για παράδειγμα εάν κάποιος μπορεί να υποβληθεί σε εντατική θεραπεία για καρκίνο με βάση το πόσο αδύναμος φαίνεται.

Οι ερευνητές δήλωσαν ότι με την έρευνά τους ήθελαν να δουν αν μπορούσαν να «ξεπεράσουν» το «υποκειμενικό και χειροκίνητο» τεστ κατά το οποίο χρησιμοποιούν τα μάτια τους, δημιουργώντας ένα εργαλείο τεχνητής νοημοσύνης (AI) βαθιάς εκμάθησης που θα μπορούσε να αξιολογεί μία selfie. Ο νέος αλγόριθμος εκπαιδεύτηκε χρησιμοποιώντας 59.000 φωτογραφίες.

«Η μελέτη μας έδειξε για πρώτη φορά ότι μπορούμε πραγματικά να χρησιμοποιήσουμε την AI για να μετατρέψουμε μια selfie σε μια πραγματική πηγή βιολογικών δεικτών γήρανσης», δήλωσε ο Δρ Hugo Aerts, συντάκτης της μελέτης.

Ο ίδιος ανέφερε ότι το εργαλείο είναι χαμηλού κόστους, μπορεί να χρησιμοποιηθεί επανειλημμένα με την πάροδο του χρόνου και θα μπορούσε να χρησιμοποιηθεί για την παρακολούθηση της βιολογικής ηλικίας ενός ατόμου για «μήνες, χρόνια και δεκαετίες».

«Τα αποτελέσματα μπορεί να είναι πολύ σημαντικά, επειδή τώρα έχουμε έναν νέο τρόπο να παρακολουθούμε πολύ εύκολα και συνεχώς την κατάσταση της υγείας ενός ασθενούς και αυτό θα μπορούσε να μας βοηθήσει να προβλέψουμε καλύτερα τον κίνδυνο θανάτου ή επιπλοκών μετά, για παράδειγμα, από μια μεγάλη χειρουργική επέμβαση ή άλλες θεραπείες», πρόσθεσε.

Εξηγώντας πώς δουλεύει το ψηφιακό εργαλείο, οι ακαδημαϊκοί έδειξαν πώς αξιολόγησε τη βιολογική ηλικία των ηθοποιών Paul Rudd και Wilford Brimley με βάση φωτογραφίες των ανδρών όταν ήταν και οι δύο 50 ετών.

Η βιολογική ηλικία του Rudd υπολογίστηκε σε 42,6, ενώ ο Brimley, ο οποίος πέθανε το 2020, εκτιμήθηκε ότι είχε βιολογική ηλικία 69 ετών.

Η νέα μελέτη, που δημοσιεύθηκε στο περιοδικό Lancet Digital Health, αναφέρει ότι το ψηφιακό εργαλείο χρησιμοποήθηκε ήδη σε χιλιάδες ασθενείς με καρκίνο.

Πιο συγκεκριμένα, το FaceAge χρησιμοποιήθηκε σε 6.200 ασθενείς με καρκίνο χρησιμοποιώντας εικόνες που τραβήχτηκαν στην αρχή της θεραπείας τους.

Οι ακαδημαϊκοί διαπίστωσαν ότι η βιολογική ηλικία των ασθενών με καρκίνο ήταν, κατά μέσο όρο, πέντε χρόνια μεγαλύτερη από την χρονολογική ηλικία.

Διαπίστωσαν επίσης ότι οι μεγαλύτερες μετρήσεις FaceAge συσχετίζονταν με χειρότερα αποτελέσματα επιβίωσης μεταξύ των ασθενών με καρκίνο, ειδικά σε άτομα με FaceAge άνω των 85 ετών.

«Τα αποτελέσματά μας υποδηλώνουν ότι ένα μοντέλο βαθιάς μάθησης μπορεί να εκτιμήσει τη βιολογική ηλικία από φωτογραφίες προσώπου και, ως εκ τούτου, να βελτιώσει την πρόβλεψη επιβίωσης σε ασθενείς με καρκίνο», κατέληξαν οι συγγραφείς.

Ο Δρ Ray Mak, συν-συντάκτης της μελέτης, πρόσθεσε ότι «αποδείξαμε ότι η τεχνητή νοημοσύνη μπορεί να μετατρέψει μια απλή φωτογραφία προσώπου σε ένα αντικειμενικό μέτρο της βιολογικής ηλικίας, το οποίο οι κλινικοί γιατροί μπορούν να χρησιμοποιήσουν για την εξατομικευμένη φροντίδα των ασθενών, όπως ένα επιπλέον σημείο δεδομένων ζωτικών σημείων».

Ανέφερε επίσης ότι είναι «ένα ακόμη κομμάτι του παζλ, όπως τα ζωτικά σημεία, τα αποτελέσματα των εργαστηριακών εξετάσεων ή οι ιατρικές απεικονίσεις».

«Θέλουμε να είμαστε σαφείς ότι θεωρούμε τα εργαλεία τεχνητής νοημοσύνης όπως το FaceAge ως βοήθεια που παρέχει υποστήριξη στη λήψη αποφάσεων και όχι ως υποκατάστατα της κλινικής κρίσης».

Περισσότερες μελέτες για την αξιολόγηση του FaceAge βρίσκονται σε εξέλιξη, συμπεριλαμβανομένου του κατά πόσον θα μπορούσε να χρησιμοποιηθεί για άλλες παθήσεις  και αν τα ψηφιακά εργαλεία είναι αποτελεσματικά σε άτομα που έχουν κάνει αισθητική χειρουργική ή ενέσιμες θεραπείες προσώπου.