Lékaři vyvinuli umělou inteligenci, která dokáže z fotografie obličeje přesně určit biologický věk člověka a předpovědět u onkologických pacientů riziko úmrtí. Nový nástroj tak proměňuje intuitivní lidský odhad v objektivní digitální biomarker. Fungování systému popsali autoři v odborném časopise Lancet.

Aplikace umělé inteligence v medicíně učinila další významný krok. Nový systém vyvinutý výzkumnými týmy z Harvard Medical School a dalších mezinárodních pracovišť využívá sílu takzvaných základních modelů (foundation models).

Model nazvaný FAHR-Face (Foundation Artificial Intelligence for Health Recognition-Face) byl předtrénovaný na více než 40 milionech fotografií obličejů. Díky tomuto masivnímu rozsahu dat dokáže AI zachytit i ty nejjemnější odchylky v obličeji a proměnit je v měřitelné zdravotní biomarkery. Z tohoto jediného základního modelu pak vědci odvodili dva samostatné algoritmy. Prvním je FAHR-FaceAge, který stanovuje biologický věk. Druhým pak FAHR-FaceSurvival, zaměřený na předpověď přežití u pacientů s rakovinou. 

Vzhled mladší než věk v občance jako klíč k delšímu životu

První z odvozených modelů, FAHR-FaceAge, měří odchylku mezi skutečným chronologickým věkem a věkem, na který obličej vypadá – tedy takzvanou biologickou odchylku obličeje (FAD). Model prokázal mimořádnou přesnost napříč celým lidským věkovým spektrem i různými etnickými skupinami.

Působivé výsledky přineslo jeho nasazení v klinické praxi u desítek tisíc pacientů podstupujících radioterapii. Výzkum ukázal, že lidé, kteří vypadají starší, než ve skutečnosti jsou, čelí výrazně vyššímu riziku úmrtí. Autoři ve studii zdůrazňují: „Vypadat starší než chronologický věk interpretujeme jako marker horšího zdravotního stavu a vyššího klinického rizika nežádoucích zdravotních následků, včetně mortality.“

Propojení mezi obličejovým věkem a přežitím se potvrdilo u všech věkových i rasových skupin i u většiny typů nádorových onemocnění. Například u pacientů, u nichž model určil biologický věk o více než 20 let vyšší oproti reálnému, dosáhla 90denní úmrtnost 21,3 %, zatímco u pacientů vypadajících o 10 a více let mladší činila pouze 6,4 %.

Ukázalo se také, že hodnotu FAD výrazně zhoršují nezdravé životní návyky, jako jsou konzumace alkoholu, užívání drog a zejména kouření, které vykázalo přímou závislost mezi mírou expozice a vyšším odhadovaným věkem obličeje.

Předpověď přežití přímo z běžné průkazovky

Druhý specializovaný model, FAHR-FaceSurvival, představuje zásadní průlom v onkologii. Jde o první doložený systém umělé inteligence, který dokáže odhadnout míru rizika úmrtí onkologického pacienta přímo ze standardní snímkovací fotografie. Při testování a následné nezávislé validaci model spolehlivě rozřadil pacienty do rizikových skupin. Pacienti v nejvyšším rizikovém kvartilu vykazovali více než trojnásobné riziko úmrtí oproti pacientům v nejnižším kvartilu.

Navíc se ukázalo, že oba modely přinášejí odlišné a vzájemně se doplňující informace. Analýza pozornosti neuronových sítí (tzv. attention mapping) odhalila, že se každý z modelů zaměřuje na zcela jiné části lidské tváře. Zatímco FAHR-FaceAge sledoval primárně oblasti spojené se stárnutím – jako jsou nosoretní rýhy, čelo a spánky –, FAHR-FaceSurvival zaměřoval svou pozornost do oblasti pod očima a na kořen nosu, tedy do míst tradičně spojovaných s projevy vážného onemocnění.

„Naše zjištění naznačují, že rysy obličeje v sobě kódují jak fyziologické stárnutí, tak bezprostřední riziko mortality, což ukazuje, že běžné fotografie nesou více fyziologických zdravotních signálů,“ uvádějí výzkumníci ke zjištění.

Dostupný biomarker pro každodenní klinickou praxi

Obrovskou výhodou vyvinutého systému je jeho praktická dostupnost. Nevyžaduje drahé laboratorní testy ani specializovaná zobrazovací zařízení. Postačí mu běžné digitální fotografie. Testy odolnosti navíc potvrdily, že přesnost odhadu věku neovlivňují běžné faktory, jako jsou make-up, úhel pohledu, osvětlení, výraz tváře ani většina estetických plastických operací (s výjimkou korekce nosu).

Lékaři tak získávají do rukou rychlý a neinvazivní nástroj, který může pomoci například při posuzování křehkosti starších pacientů a při rozhodování o intenzitě plánované léčby.

V závěru studie vědci shrnují hlavní přínos své práce. „Jediný základní model dokáže generovat levné a škálovatelné obličejové biomarkery, které zachycují jak biologické stárnutí, tak riziko mortality spojené s onemocněním. Rutinní kvantitativní analýza obličeje by mohla zlepšit stratifikaci rizika v případech, kdy tradiční biomarkery nejsou k dispozici,“ dodávají.