Μια απλή φωτογραφία προσώπου μπορεί να αποκαλύψει σημαντικές πληροφορίες για τη βιολογική ηλικία και τις πιθανότητες επιβίωσης ασθενών με καρκίνο. Νέα επιστημονική μελέτη δείχνει ποια χαρακτηριστικά εξετάζει η τεχνητή νοημοσύνη και πόσο αξιόπιστες είναι οι προβλέψεις της.
Η νέα εποχή για τους ασθενείς με καρκίνο: Από την επιβίωση στην ποιότητα ζωής
Καρκίνος: Τι έδειξε η έρευνα για τον κίνδυνο θανάτου σε 90 ημέρες
Μπορεί μια φωτογραφία του προσώπου να αποκαλύψει πόσο πιθανό είναι να επιβιώσει ένας ασθενής με καρκίνο; Ερευνητές του Mass General Brigham στη Βοστώνη ανέπτυξαν μοντέλα τεχνητής νοημοσύνης που αναλύουν τα χαρακτηριστικά του προσώπου και εντοπίζουν ενδείξεις οι οποίες συνδέονται με τη βιολογική ηλικία και τον κίνδυνο θνησιμότητας.
Η έρευνα, που δημοσιεύθηκε στο επιστημονικό περιοδικό The Lancet Digital Health, αναδεικνύει τις δυνατότητες της τεχνητής νοημοσύνης στην ογκολογία, χωρίς ωστόσο να αποδεικνύει ότι η συγκεκριμένη τεχνολογία είναι έτοιμη να χρησιμοποιηθεί στην καθημερινή κλινική πράξη.
Το σημαντικότερο εύρημα αφορά τις διαφορές στην επιβίωση μεταξύ ασθενών που κατατάχθηκαν σε ομάδες διαφορετικού κινδύνου.
Με τη χρήση του μοντέλου FAHR-FaceSurvival, οι ερευνητές διαπίστωσαν ότι από τους 122 ασθενείς που χαρακτηρίστηκαν υψηλού κινδύνου, το 52,5% πέθανε μέσα σε 90 ημέρες από την αξιολόγηση.
Αντίθετα, μεταξύ 975 ασθενών που κατατάχθηκαν στην ομάδα χαμηλότερου κινδύνου, το αντίστοιχο ποσοστό ήταν περίπου 2%.
Η μεγάλη διαφορά υποδηλώνει ότι ορισμένα χαρακτηριστικά του προσώπου ενδέχεται να συνδέονται με τη συνολική κατάσταση της υγείας. Ωστόσο, τα ποσοστά αφορούν ομάδες ασθενών και δεν αποτελούν εξατομικευμένη πρόβλεψη θανάτο.
Πώς συνδέεται η βιολογική ηλικία με την επιβίωση
Η χρονολογική ηλικία δεν αντικατοπτρίζει πάντοτε την πραγματική κατάσταση του οργανισμού. Δύο άνθρωποι της ίδιας ηλικίας μπορεί να παρουσιάζουν διαφορετικό βαθμό σωματικής φθοράς και διαφορετική λειτουργική ικανότητα.
Το μοντέλο FAHR-FaceAge επιχειρεί να εκτιμήσει τη βιολογική ηλικία μέσω μιας φωτογραφίας προσώπου.
Τα αποτελέσματα ανέδειξαν δύο σημαντικές διαφορές:
- 21% θνησιμότητα: Από 1.060 ασθενείς με εκτιμώμενη βιολογική ηλικία περισσότερο από 20 χρόνια μεγαλύτερη της χρονολογικής, το 21% πέθανε μέσα σε 90 ημέρες.
- 6% θνησιμότητα: Από 4.195 ασθενείς με εκτιμώμενη βιολογική ηλικία τουλάχιστον 10 χρόνια μικρότερη της χρονολογικής, περίπου το 6% πέθανε στο ίδιο διάστημα.
Τα ευρήματα δείχνουν μια συσχέτιση μεταξύ της εκτιμώμενης ηλικίας του προσώπου και της επιβίωσης, χωρίς να αποδεικνύουν ότι η φωτογραφία μετρά άμεσα τους βιολογικούς μηχανισμούς γήρανσης.
Το μέλι βοηθά στην απώλεια βάρους και προστατεύει από τον καρκίνο – Αρκεί να αποφύγετε μια παγίδα
Ποια σημεία του προσώπου εξετάζει η τεχνητή νοημοσύνη
Οι δύο αλγόριθμοι αναλύουν διαφορετικές περιοχές του προσώπου.
Το FAHR-FaceAge επικεντρώνεται στους κροτάφους, στο μέτωπο, στην περιοχή πάνω από τα μάτια και στις ρινοπαρειακές αύλακες, δηλαδή στις γραμμές που εκτείνονται από τη μύτη προς τις γωνίες του στόματος.
Αντίθετα, το FAHR-FaceSurvival εξετάζει κυρίως τη ράχη της μύτης και την περιοχή κάτω από τα μάτια.
Η παρατήρηση παρουσιάζει ιδιαίτερο ιστορικό ενδιαφέρον, καθώς παρόμοια χαρακτηριστικά είχε περιγράψει ο Ιπποκράτης περίπου το 400 π.Χ., συνδέοντας αλλαγές στην όψη του προσώπου με τη μυϊκή απώλεια και τη σοβαρή επιδείνωση της υγείας.
Οι σύγχρονοι αλγόριθμοι, ωστόσο, δεν εκπαιδεύτηκαν σε ιατρικά ή ιστορικά κείμενα, αλλά σε φωτογραφίες και δεδομένα ηλικίας ή επιβίωσης.
Πώς εκπαιδεύτηκαν τα μοντέλα με 40 εκατομμύρια φωτογραφίες
Η ερευνητική ομάδα ανέπτυξε αρχικά το Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face), χρησιμοποιώντας περισσότερες από 40 εκατομμύρια εικόνες ανθρώπων διαφορετικών ηλικιών και εθνοτικών καταβολών.
Στη συνέχεια δημιουργήθηκαν δύο εξειδικευμένα μοντέλα: το FAHR-FaceAge για την εκτίμηση της ηλικίας και το FAHR-FaceSurvival για την αξιολόγηση του κινδύνου θνησιμότητας σε ασθενείς με καρκίνο.
Οι ερευνητές διαπίστωσαν επίσης ότι αισθητικές παρεμβάσεις, όπως το Botox, το μακιγιάζ και ορισμένες χειρουργικές επεμβάσεις, δεν επηρέασαν ουσιαστικά τη συνολική απόδοση των συστημάτων στις αξιολογήσεις που πραγματοποιήθηκαν.
Καρκίνος: Τα 4 λάθη στην καθημερινότητα που οι ογκολόγοι θέλουν να αποφεύγουμε
Γιατί η βιολογική ηλικία ενδιαφέρει τους ογκολόγους
Η αξιολόγηση της φυσικής κατάστασης ενός ασθενούς αποτελεί σημαντικό μέρος της επιλογής αντικαρκινικής θεραπείας.
Συστηματική ανασκόπηση και μετα-ανάλυση 58 μελετών, που δημοσιεύθηκε το 2025 στο Journal of the National Cancer Institute, συνέδεσε την ευπάθεια με αυξημένο κίνδυνο θνησιμότητας, νοσηλείας και τοξικότητας από συστηματικές αντικαρκινικές θεραπείες.
Παράλληλα, μελέτη του 2025 στο The Lancet Digital Health, με 6.196 ασθενείς, διαπίστωσε ότι η μεγαλύτερη εκτιμώμενη ηλικία προσώπου συνδεόταν με χειρότερη συνολική επιβίωση.
Αντίστοιχα, έρευνα του 2026 στο Journal of the National Cancer Institute, με 24.556 ασθενείς ηλικίας τουλάχιστον 60 ετών που είχαν υποβληθεί σε ακτινοθεραπεία, εντόπισε υψηλότερο κίνδυνο θνησιμότητας σε όσους εμφάνιζαν εκτιμώμενη ηλικία προσώπου σημαντικά μεγαλύτερη από τη χρονολογική τους.
Μπορεί μια φωτογραφία να καθορίσει τη θεραπεία του καρκίνου;
Παρά τα ενθαρρυντικά αποτελέσματα, η τεχνολογία εξακολουθεί να βρίσκεται σε ερευνητικό στάδιο.
Ανεξάρτητοι επιστήμονες επισημαίνουν ότι απαιτούνται προοπτικές κλινικές μελέτες, ώστε να αποδειχθεί εάν οι προβλέψεις προσφέρουν ουσιαστικές πληροφορίες πέρα από εκείνες που ήδη διαθέτουν οι γιατροί.
Χρειάζεται επίσης να εξεταστεί η αξιοπιστία των μοντέλων σε διαφορετικές ηλικιακές ομάδες, χρώματα δέρματος, χαρακτηριστικά προσώπου και νοσοκομειακά περιβάλλοντα.
Η σημαντικότερη διάκριση είναι ότι η πρόβλεψη ενός αποτελέσματος δεν ισοδυναμεί με την εξήγηση της αιτίας του.
Επομένως, μια φωτογραφία δεν μπορεί σήμερα να αντικαταστήσει την κλινική εξέταση ή να καθορίσει αυτόνομα την αντικαρκινική θεραπεία.
Η πιθανή χρησιμότητα της τεχνολογίας βρίσκεται στη συμπληρωματική αξιολόγηση ασθενών που ενδέχεται να χρειάζονται περισσότερες εξετάσεις ή στενότερη παρακολούθηση.
Καρκίνος: Μπορεί μια εξέταση αίματος να τον εντοπίσει έγκαιρα;
Το επόμενο επιστημονικό βήμα είναι να αποδειχθεί ότι οι πληροφορίες που αντλεί η τεχνητή νοημοσύνη από το πρόσωπο μπορούν πράγματι να βελτιώσουν τις θεραπευτικές αποφάσεις και τη φροντίδα των ανθρώπων με καρκίνο.
Πηγές: