FAHR-Face: Νέο AI μοντέλο προβλέπει την επιβίωση από καρκίνο μέσω selfie

Σύνοψη

• Ερευνητές του Mass General Brigham ανέπτυξαν αλγόριθμο τεχνητής νοημοσύνης ο οποίος αξιολογεί τις πιθανότητες επιβίωσης ογκολογικών ασθενών αναλύοντας αποκλειστικά απλές φωτογραφίες προσώπου.
• Το σύστημα εκπαιδεύτηκε σε βάση δεδομένων που ξεπερνά τα 40 εκατομμύρια πορτρέτα προσφέροντας δύο διακριτά εργαλεία ανάλυσης για την ακριβή αποτύπωση της βιολογικής ηλικίας και της άμεσης θνησιμότητας.
• Ασθενείς που η οπτική τους ηλικία υπολογίστηκε πέντε χρόνια μεγαλύτερη από την πραγματική παρουσίασαν 21% αυξημένο κίνδυνο θνησιμότητας κατά τη διάρκεια της τετραετούς κλινικής παρακολούθησης.
• Η εφαρμογή αυτού του τεχνολογικού επιτεύγματος αναμένεται να υποστηρίξει τη λήψη εξατομικευμένων αποφάσεων χωρίς ωστόσο να υποκαθιστά την ιατρική κρίση στις ακτινοθεραπείες και τις συστημικές αγωγές.

Η ενσωμάτωση της μηχανικής μάθησης στον τομέα της υγείας επεκτείνεται διαρκώς, προσφέροντας εργαλεία τα οποία μπορούν να αναλύσουν αόρατα στο ανθρώπινο μάτι μοτίβα και να εξαγάγουν κρίσιμα συμπεράσματα για τη φυσική κατάσταση των ασθενών. Ερευνητές από το μη κερδοσκοπικό ακαδημαϊκό σύστημα υγειονομικής περίθαλψης Mass General Brigham στη Μασαχουσέτη πέτυχαν ένα τεράστιο άλμα δημιουργώντας ένα θεμελιώδες μοντέλο (foundation model) ικανό να διαβάζει τα σημάδια του χρόνου και της ασθένειας απευθείας από τα χαρακτηριστικά του προσώπου. 

Αξιοποιώντας έναν τεράστιο όγκο δεδομένων που περιλαμβάνει πάνω από 40 εκατομμύρια φωτογραφίες από άτομα διαφορετικών ηλικιών και εθνικοτήτων, οι επιστήμονες κατάφεραν να εκπαιδεύσουν τον αλγόριθμο ώστε να αναγνωρίζει τη βιολογική ηλικία ενός ανθρώπου σε αντιδιαστολή με τη χρονολογική του ηλικία. 

Η προσέγγιση μέσω foundation models επιτρέπει στο νευρωνικό δίκτυο να αποκτήσει μια γενικευμένη και βαθιά κατανόηση της δομής του ανθρώπινου προσώπου, η οποία στη συνέχεια μπορεί να προσαρμοστεί για τη μέτρηση πολλαπλών διακριτών δεικτών υγείας χωρίς να απαιτείται η δημιουργία και εκπαίδευση νέων αλγορίθμων από το μηδέν.

Η αρχιτεκτονική των εργαλείων FAHR-FaceAge και FAHR-FaceSurvival

Οι δημιουργοί του συστήματος διαχώρισαν τις λειτουργίες του λογισμικού αναπτύσσοντας δύο συμπληρωματικά εργαλεία τα οποία εστιάζουν σε διαφορετικές ανατομικές περιοχές του προσώπου για την εξαγωγή των τελικών αποτελεσμάτων. Το πρώτο εργαλείο, με την ονομασία FAHR-FaceAge, σχεδιάστηκε αποκλειστικά για την εκτίμηση της βιολογικής ηλικίας του ασθενούς εστιάζοντας στις ρυτίδες που εκτείνονται από τα πλαϊνά της μύτης έως τις γωνίες του στόματος, στην περιοχή του μετώπου ακριβώς πάνω από τις κόγχες των ματιών καθώς και στους κροτάφους. 

Από την άλλη πλευρά το FAHR-FaceSurvival σχεδιάστηκε με σκοπό να παρακάμπτει το ενδιάμεσο στάδιο της ηλικιακής εκτίμησης και να προβλέπει απευθείας τις πιθανότητες επιβίωσης του ασθενούς, στρέφοντας την προσοχή του στην περιοχή κάτω από τα μάτια και γύρω από τη γέφυρα της μύτης. Η συνδυαστική χρήση αυτών των δύο εργαλείων προσφέρει στους θεράποντες ιατρούς μια εξαιρετικά λεπτομερή και πολυδιάστατη εικόνα της φυσικής κατάστασης του οργανισμού, διευκολύνοντας την κατανόηση των αντοχών που διαθέτει ο ασθενής απέναντι σε επερχόμενες ιατρικές παρεμβάσεις.

Κλινικά αποτελέσματα και ο αντίκτυπος του τρόπου ζωής

Τα αποτελέσματα των κλινικών δοκιμών που εστίασαν σε ογκολογικούς ασθενείς υπό καθεστώς ακτινοθεραπείας στις ΗΠΑ επιβεβαίωσαν την αξιοπιστία της μεθόδου με εντυπωσιακά στατιστικά στοιχεία. Σύμφωνα με την έρευνα, τα άτομα των οποίων η βιολογική ηλικία αξιολογήθηκε από το FAHR-FaceAge ως κατά πέντε ή περισσότερα χρόνια μεγαλύτερη από την πραγματική τους ηλικία, αντιμετώπισαν 21% υψηλότερο κίνδυνο θνησιμότητας κατά τη διάρκεια της μέσης τετραετούς παρακολούθησης. Στον αντίποδα, όσοι διέθεταν βιολογική ηλικία μικρότερη κατά πέντε έτη εμφάνισαν 17% μειωμένο κίνδυνο, αποδεικνύοντας τη στενή συσχέτιση ανάμεσα στην εξωτερική φθορά του προσώπου και τα εσωτερικά αποθέματα ενέργειας του οργανισμού. 

Η ανάλυση του αλγορίθμου ανέδειξε επίσης την καταστροφική επίδραση των καταχρήσεων, καθώς η αυξημένη κατανάλωση αλκοόλ, η χρήση ουσιών και το κάπνισμα αποτυπώθηκαν ξεκάθαρα στις φωτογραφίες προσθέτοντας αρκετά χρόνια στη βιολογική ηλικία των συμμετεχόντων. Ένα από τα πλέον αξιοσημείωτα χαρακτηριστικά της τεχνολογίας αποτελεί η σταθερότητα των μετρήσεων απέναντι σε καθημερινές μεταβλητές όπως ο φωτισμός, οι γωνίες λήψης, οι εκφράσεις του προσώπου ή το μακιγιάζ, ενώ διατηρεί την ακρίβειά της ακόμη και μετά από τις περισσότερες αισθητικές επεμβάσεις με εξαίρεση τις ρινοπλαστικές, οι οποίες προκαλούν ανεπαίσθητες αποκλίσεις.

Ο ρόλος της Τεχνητής Νοημοσύνης στην εξατομικευμένη Ογκολογία

Η εφαρμογή αυτού του υπερσύγχρονου ψηφιακού εργαλείου αποσκοπεί στην ποσοτικοποίηση των φυσιολογικών αποθεμάτων και της ευπάθειας των ηλικιωμένων κυρίως ασθενών, προκειμένου να καθοδηγήσει τη λήψη κρίσιμων ιατρικών αποφάσεων. Όπως επισημαίνει ο Dr Raymond Mak, ογκολόγος ακτινοθεραπευτής στο Mass General Brigham, η γήρανση του πληθυσμού επιβάλλει την εξεύρεση αντικειμενικών τρόπων αξιολόγησης της φυσικής κατάστασης πριν την υποβολή των ασθενών σε εξαιρετικά τοξικές και καταπονητικές διαδικασίες όπως οι εντατικές ακτινοβολίες, οι μεγάλες χειρουργικές επεμβάσεις και οι συστημικές χημειοθεραπείες. 

Η δυνατότητα εξαγωγής συμπερασμάτων από μια απλή φωτογραφία χαμηλού κόστους μπορεί να αποτρέψει την περιττή ταλαιπωρία οργανισμών που δεν διαθέτουν τις απαραίτητες αντοχές, επιτρέποντας στους γιατρούς να επιλέξουν πιο ήπιες και στοχευμένες παρηγορητικές λύσεις όταν οι πιθανότητες επιβίωσης είναι δραματικά μειωμένες. Πρέπει ωστόσο να διευκρινιστεί πως ο ρόλος της τεχνητής νοημοσύνης παραμένει αυστηρά υποστηρικτικός και δεν αποσκοπεί στην αντικατάσταση της ανθρώπινης ιατρικής κρίσης αλλά στον εξοπλισμό των επιστημόνων με περισσότερα και ακριβέστερα δεδομένα.