محققان بیمارستان عمومی ماساچوست با استفاده از هوش مصنوعی موفق به توسعه الگوریتمی به نام FaceAge شدند که می‌تواند از طریق یک عکس ساده از چهره، سن زیستی افراد را تخمین بزند و همچنین احتمال زنده‌ماندن بیماران سرطانی را پیش‌بینی کند. آنها در مطالعه‌ای جدید دریافتند زمانی که تخمین FaceAge کمتر از سن واقعی بیمار است، آن فرد نتایج بهتری از درمان دریافت می‌کند، درحالی‌که سن ظاهری بالاتر، با نتایج درمانی ضعیف‌تر همراه است.
طبق این پژوهش، میانگین سن زیستی بیماران سرطانی در مقایسه با افراد سالم حدود پنج سال بیشتر است و این افزایش سن ظاهری با کاهش احتمال بقا در انواع مختلف سرطان ارتباط دارد.
در بخشی از مطالعه، محققان از 10 پزشک و محقق خواستند تا تنها با مشاهده 100 عکس از بیماران دریافت‌کننده رادیوتراپی تسکینی، امید به زندگی کوتاه‌مدت آنها را تخمین بزنند. نتایج نشان داد که عملکرد کلی این پزشکان حتی با وجود داشتن اطلاعاتی مثل سن واقعی و وضعیت بیماری، تنها اندکی بهتر از شانس پرتاب سکه بود. اما وقتی اطلاعات مربوط به FaceAge نیز در اختیارشان قرار گرفت، پیش‌بینی آنها به‌طور قابل‌توجهی بهبود یافت.
به گفته «هوگو ارتس»، نویسنده ارشد مقاله و مدیر برنامه هوش مصنوعی در پزشکی (AIM) در بیمارستان Mass General Brigham:
«ما می‌توانیم با استفاده از هوش مصنوعی، سن زیستی افراد را از روی عکس چهره‌شان تخمین بزنیم، و مطالعه ما نشان می‌دهد که این اطلاعات می‌توانند از نظر بالینی اهمیت زیادی داشته باشند. این پژوهش نشان می‌دهد که حتی یک عکس ساده، مانند یک سلفی، می‌تواند اطلاعات مهمی داشته باشد که به تصمیم‌گیری درمانی کمک کند. اینکه فرد چقدر جوان‌تر یا پیرتر از سن واقعی‌اش به نظر می‌رسد، واقعاً اهمیت دارد—افرادی که FaceAge کمتری نسبت به سن واقعی خود داشتند، نتایج درمانی بهتری از درمان سرطان گرفتند.»
امیدی به آینده پزشکی دقیق‌تر با هوش مصنوعی
«ری مک»، نویسنده دیگر مقاله می‌گوید:
«این کشف درهای جدیدی به روی فرایند شناسایی نشانگرهای زیستی از طریق عکس باز می‌کند و پتانسیل آن بسیار فراتر از پیش‌بینی سن یا مراقبت در برابر سرطان است. با توجه به اینکه بسیاری از بیماری‌های مزمن به نوعی بیماری‌های پیری محسوب می‌شوند، توانایی پیش‌بینی دقیق مسیر پیری افراد اهمیت بیشتری پیدا می‌کند. امیدوارم بتوانیم از این فناوری به‌عنوان یک سیستم تشخیص زودهنگام در حوزه‌های مختلف استفاده کنیم، البته با رعایت اصول اخلاقی و نظارت دقیق.»
درحال‌حاضر، تیم تحقیقاتی قصد دارد مطالعات خود را گسترش داده و این ابزار را در بیمارستان‌ها و مراحل مختلف بیماری سرطان آزمایش کند. همچنین محققان به بررسی دقت FaceAge در مواجهه با داده‌های مربوط به جراحی پلاستیک و آرایش نیز خواهند پرداخت.
نتایج این مطالعه در The Lancet Digital Health منتشر شده است.
محققان بیمارستان عمومی ماساچوست با استفاده از هوش مصنوعی موفق به توسعه الگوریتمی به نام FaceAge شدند که می‌تواند از طریق یک عکس ساده از چهره، سن زیستی افراد را تخمین بزند و همچنین احتمال زنده‌ماندن بیماران سرطانی را پیش‌بینی کند. آنها در مطالعه‌ای جدید دریافتند زمانی که تخمین FaceAge کمتر از سن واقعی بیمار است، آن فرد نتایج بهتری از درمان دریافت می‌کند، درحالی‌که سن ظاهری بالاتر، با نتایج درمانی ضعیف‌تر همراه است.
طبق این پژوهش، میانگین سن زیستی بیماران سرطانی در مقایسه با افراد سالم حدود پنج سال بیشتر است و این افزایش سن ظاهری با کاهش احتمال بقا در انواع مختلف سرطان ارتباط دارد.
در بخشی از مطالعه، محققان از 10 پزشک و محقق خواستند تا تنها با مشاهده 100 عکس از بیماران دریافت‌کننده رادیوتراپی تسکینی، امید به زندگی کوتاه‌مدت آنها را تخمین بزنند. نتایج نشان داد که عملکرد کلی این پزشکان حتی با وجود داشتن اطلاعاتی مثل سن واقعی و وضعیت بیماری، تنها اندکی بهتر از شانس پرتاب سکه بود. اما وقتی اطلاعات مربوط به FaceAge نیز در اختیارشان قرار گرفت، پیش‌بینی آنها به‌طور قابل‌توجهی بهبود یافت.
به گفته «هوگو ارتس»، نویسنده ارشد مقاله و مدیر برنامه هوش مصنوعی در پزشکی (AIM) در بیمارستان Mass General Brigham:
«ما می‌توانیم با استفاده از هوش مصنوعی، سن زیستی افراد را از روی عکس چهره‌شان تخمین بزنیم، و مطالعه ما نشان می‌دهد که این اطلاعات می‌توانند از نظر بالینی اهمیت زیادی داشته باشند. این پژوهش نشان می‌دهد که حتی یک عکس ساده، مانند یک سلفی، می‌تواند اطلاعات مهمی داشته باشد که به تصمیم‌گیری درمانی کمک کند. اینکه فرد چقدر جوان‌تر یا پیرتر از سن واقعی‌اش به نظر می‌رسد، واقعاً اهمیت دارد—افرادی که FaceAge کمتری نسبت به سن واقعی خود داشتند، نتایج درمانی بهتری از درمان سرطان گرفتند.»
امیدی به آینده پزشکی دقیق‌تر با هوش مصنوعی
«ری مک»، نویسنده دیگر مقاله می‌گوید:
«این کشف درهای جدیدی به روی فرایند شناسایی نشانگرهای زیستی از طریق عکس باز می‌کند و پتانسیل آن بسیار فراتر از پیش‌بینی سن یا مراقبت در برابر سرطان است. با توجه به اینکه بسیاری از بیماری‌های مزمن به نوعی بیماری‌های پیری محسوب می‌شوند، توانایی پیش‌بینی دقیق مسیر پیری افراد اهمیت بیشتری پیدا می‌کند. امیدوارم بتوانیم از این فناوری به‌عنوان یک سیستم تشخیص زودهنگام در حوزه‌های مختلف استفاده کنیم، البته با رعایت اصول اخلاقی و نظارت دقیق.»
درحال‌حاضر، تیم تحقیقاتی قصد دارد مطالعات خود را گسترش داده و این ابزار را در بیمارستان‌ها و مراحل مختلف بیماری سرطان آزمایش کند. همچنین محققان به بررسی دقت FaceAge در مواجهه با داده‌های مربوط به جراحی پلاستیک و آرایش نیز خواهند پرداخت.
نتایج این مطالعه در The Lancet Digital Health منتشر شده است.
