پژوهشگران ابزار هوش مصنوعی تازه‌ای ساخته‌اند که با یک عکس چهره سن بیولوژیکی را تخمین می‌زند و اطلاعاتی درباره بقای بیماران سرطانی می‌دهد.
پژوهشگران آمریکایی ابزار تازه‌ای مبتنی بر هوش مصنوعی توسعه داده‌اند که تنها با بررسی یک عکس از صورت می‌تواند «سن بیولوژیکی» فرد را تخمین بزند و در بیماران مبتلا به سرطان، اطلاعاتی درباره احتمال بقای آن‌ها ارائه دهد. این فناوری هنوز برای استفاده مستقل پزشکی آماده نیست، اما محققان امیدوارند در آینده بتواند به پزشکان برای ارزیابی وضعیت جسمانی بیماران و انتخاب درمان مناسب‌تر کمک کند.
محققان Mass General Brigham در ماساچوست ابزار تازه‌ای مبتنی بر هوش مصنوعی توسعه داده‌اند که با بیش از ۴۰ میلیون تصویر آموزش‌دیده و می‌تواند نشانه‌های ظریفی را در چهره شناسایی کند که با وضعیت سلامت فرد ارتباط دارند.
این ابزار قادر است «سن بیولوژیکی» را تخمین بزند؛ یعنی سنی که وضعیت سلامت و عملکرد بدن را نشان می‌دهد، نه صرفاً تعداد سال‌هایی که از تولد فرد گذشته است.
سن بیولوژیکی در بعضی پژوهش‌ها شاخص دقیق‌تری از وضعیت جسمانی نسبت به سن تقویمی در نظر گرفته می‌شود و می‌تواند با خطر ابتلا به بیماری‌ها و طول عمر سالم ارتباط داشته باشد. با این حال، سن بیولوژیکی یک معیار قطعی و واحد نیست و روش‌های مختلفی برای اندازه‌گیری آن وجود دارد.
پژوهشگران می‌گویند مدل جدید آن‌ها علاوه بر سن بیولوژیکی، می‌تواند در بیماران مبتلا به سرطان اطلاعاتی درباره احتمال بقای آن‌ها نیز ارائه دهد.
برای تخمین سن، هوش مصنوعی FAHR-FaceAge بیشتر روی خطوط کنار بینی و دهان، پیشانی و شقیقه‌ها تمرکز می‌کند. اما برای برآورد بقای بیماران سرطانی توسط FAHR-FaceSurvival بخش‌هایی مانند زیر چشم‌ها و اطراف پل بینی اهمیت بیشتری دارند.
هوگو آرتس، استاد دانشگاه هاروارد و مدیر برنامه هوش مصنوعی در پزشکی Mass General Brigham، می‌گوید:
این پژوهش، حوزه تشخیص سلامت از روی چهره با استفاده از هوش مصنوعی را یک گام جلوتر می‌برد، زیرا خطر بقای بیماران سرطانی را به‌طور مستقیم از تصاویر صورت یاد می‌گیرد.
او اضافه می‌کند:
تا جایی که می‌دانیم، این نخستین بار است که نشان داده می‌شود یک مدل هوش مصنوعی می‌تواند مستقیماً از روی یک عکس ساده، زمان بقای بیمار سرطانی را پیش‌بینی کند.
این ابزار روی اطلاعات بیش از ۳۸ هزار بیمار مبتلا به سرطان در آمریکا بررسی شد. نتایج نشان داد بیمارانی که سن تخمینی چهره آن‌ها دست‌کم پنج سال بیشتر از سن واقعی‌شان بود، در دوره پیگیری چهار ساله حدود ۲۱ درصد خطر مرگ بیشتری داشتند.
در مقابل، بیمارانی که چهره‌شان دست‌کم پنج سال جوان‌تر از سن واقعی تخمین زده شد، حدود ۱۷ درصد خطر مرگ کمتری داشتند.
محققان همچنین دریافتند سبک زندگی می‌تواند روی سن تخمینی چهره اثر بگذارد. مصرف زیاد الکل، مصرف مواد مخدر و سیگار کشیدن همگی با مسن‌تر به نظر رسیدن از نظر بیولوژیکی ارتباط داشتند.
در میان این عوامل، سیگار قوی‌ترین ارتباط را نشان داد. افراد سیگاری فعلی از نظر مدل هوش مصنوعی مسن‌تر از کسانی به نظر می‌رسیدند که قبلاً سیگار می‌کشیدند و سیگاری‌های سابق نیز از کسانی که هرگز سیگار نکشیده بودند، مسن‌تر ارزیابی شدند.
ریموند مک، دانشیار پرتودرمانی سرطان در دانشکده پزشکی هاروارد، می‌گوید تیم پژوهشی از این موضوع شگفت‌زده شده که نتایج مدل در شرایط مختلف عکاسی، از جمله زاویه صورت، نور، حالت چهره و آرایش، تا حد زیادی ثابت باقی مانده است.
او می‌گوید:
با پیرتر شدن جمعیت، پزشکان به روش‌های بهتری برای تخمین توان جسمانی و میزان شکنندگی بیماران پیش از توصیه درمان‌های سنگین مانند پرتودرمانی، جراحی یا درمان‌های سیستمیک نیاز دارند.
به گفته مک، هدف این است که ارزیابی سلامت از روی عکس چهره به روشی «کمی‌تر، باثبات‌تر و قابل استفاده در مقیاس وسیع‌تر» تبدیل شود تا بتواند به تصمیم‌گیری‌های درمانی شخصی‌سازی‌شده کمک کند، نه اینکه جای قضاوت پزشک را بگیرد.
این مطالعه در مجله The Lancet Digital Health منتشر شده است.
پژوهشگران همچنین مطالعه عمومی FaceAge را راه‌اندازی کرده‌اند که به افراد اجازه می‌دهد تصویری از چهره خود بارگذاری کنند و تخمین پژوهشی سن بیولوژیکی صورتشان را دریافت کنند. داده‌های داوطلبان نیز برای بهبود مدل و بررسی عملکرد آن در جمعیت‌های متنوع‌تر استفاده می‌شود.
با این حال، نتیجه این ابزار نباید به‌عنوان تشخیص پزشکی یا پیش‌بینی قطعی طول عمر تلقی شود. نوع سرطان، مرحله بیماری، وضعیت عمومی بدن، پاسخ به درمان و بیماری‌های زمینه‌ای همچنان نقش بسیار مهم‌تری در پیش‌آگهی فرد دارند.
این مطالعه پس از پژوهش دیگری در چین منتشر شده که نشان داده بود هوش مصنوعی می‌تواند با بررسی تصاویر چهره و زبان، نشانه‌هایی از بیماری عروق کرونر قلب را شناسایی کند.
در آن پژوهش که در Scientific Reports منتشر شد، ۵۱۸ نفر شرکت داشتند که ۲۰۰ نفر مبتلا به بیماری عروق کرونر قلب بودند و ۳۱۸ نفر در گروه سالم قرار داشتند. در جریان پژوهش از چهره و زبان شرکت‌کنندگان عکس گرفته شد و مدل هوش مصنوعی تغییرات رنگ، رنگدانه‌ها، بافت و پوشش زبان را به‌عنوان نشانه‌های احتمالی بیماری بررسی کرد.
این ابزار در مجموعه داده مورد مطالعه توانست حدود ۹۸ درصد افراد مبتلا به بیماری عروق کرونر قلب را به‌درستی شناسایی کند.
با این حال، پژوهشگران تأکید کرده‌اند که برای مشخص شدن میزان دقت این روش در جمعیت عمومی، جایی که افراد ممکن است بیماری‌های مختلف و سطوح متفاوتی از خطر قلبی داشته باشند، مطالعات بیشتری لازم است.