پزشکان و دانشمندان هوش مصنوعی در بیمارستان و سیستم درمانی مس جنرال بریگهام (Mass General Brigham) در ماساچوست آمریکا، به دستاورد شگرفی دست یافتهاند: ساخت ابزاری هوشمند که میتواند تنها از روی یک عکس ساده سلفی از چهره بیمار، شانس بقا و سن بیولوژیکی افراد مبتلا به سرطان را پیشبینی کند. نتایج کامل این پژوهش علمی در نشریه معتبر Lancet Digital Health منتشر شده است.
این فناوری که بر روی مجموعه‌ای عظیم متشکل از بیش از ۴۰ میلیون تصویر چهره از نژادها و سنین مختلف آموزش داده شده، یکی از جامع‌ترین کاربردهای بالینی هوش مصنوعی تصویربرداری به شمار می‌رود. دانشمندان با استفاده از این مدل پایه، دو ابزار مکمل به نام‌های FAHR-FaceAge و FAHR-FaceSurvival را توسعه دادند. ابزار اول سن بیولوژیکی فرد (سن ظاهری و واقعی اندام‌ها در مقایسه با سن تقویمی و شناسنامه‌ای) را تخمین می‌زند و از طریق آن شانس بقا را تحلیل می‌کند؛ در حالی که ابزار دوم مستقیماً از روی نشانه‌های ظاهری چهره احتمال زنده‌ماندن فرد را ارزیابی می‌کند.
پژوهشگران دریافتند که این دو الگوریتم بر روی بخش‌های متفاوتی از چهره متمرکز می‌شوند. سیستم FaceAge بر خطوط لبخند و چین‌های کناره‌های بینی تا گوشه دهان، ناحیه پیشانی بالای کاسه چشم و شقیقه‌ها تکیه دارد، در حالی که الگوریتم FaceSurvival ناحیه حساس زیر چشم‌ها و پل بینی را آنالیز می‌کند.
داده‌های بالینی نشان داد در میان بیمارانی که تحت پرتودرمانی (رادیوتراپی) قرار گرفته بودند، بیمارانی که طبق پیشبینی هوش مصنوعی پنج سال یا بیشتر پیرتر از سن شناسنامه‌ای خود به نظر می‌رسیدند، ۲۱ درصد ریسک مرگ‌ومیر بالاتری در طول دوره چهارساله پیگیری داشتند. برعکس، بیمارانی که پنج سال جوان‌تر از سن تقویمی خود ارزیابی شدند، ۱۷ درصد خطر مرگ کمتری را تجربه کردند.
دکتر ریموند مک (Raymond Mak)، انکولوژیست رادیوتراپی در این مرکز پزشکی، تاکید کرد که با پیر شدن جمعیت جهان، پزشکان نیازمند سنجه‌های عینی و دقیق برای اندازه‌گیری ذخیره جسمانی و شکنندگی بیماران هستند تا بتوانند تصمیم بگیرند بیمار توان تحمل درمان‌های سنگین مانند جراحی بزرگ یا شیمی‌درمانی تهاجمی را دارد یا خیر. او افزود هدف این سیستم تبدیل ارزیابی چشمی پزشک به یک شاخص استاندارد و مقیاس‌پذیر برای شخصی‌سازی درمان است، نه جایگزین کردن قضاوت بالینی پزشکان.