L'intelligenza artificiale usa i selfie per prevedere la sopravvivenza al cancro, lo dimostra uno studio

I ricercatori hanno sviluppato un algoritmo che utilizza la foto di una persona per predire l'età biologica e la sopravvivenza dei pazienti oncologici. I risultati della tecnologia, chiamata FaceAge, sono stati pubblicati giovedì (8) sulla rivista The Lancet Digital Health.

Dal punto di vista dei ricercatori, il lavoro dimostra che una foto, come un semplice selfie, contiene informazioni importanti che possono aiutare nel processo decisionale clinico e nella pianificazione dei trattamenti per pazienti e medici.

L'età biologica è quella che riflette la condizione funzionale del corpo umano e non coincide necessariamente con l'età cronologica di una persona. Ad esempio, un individuo sedentario che fuma e beve alcolici potrebbe avere un'età biologica più avanzata, a causa di uno stile di vita non sano, rispetto alla sua età in relazione alla data di nascita.

Secondo lo studio, le previsioni di FaceAge che indicano un'età biologica più avanzata sono state associate a peggiori risultati di sopravvivenza complessiva in diversi tipi di cancro. Hanno anche scoperto che l'algoritmo ha avuto risultati migliori rispetto ai medici nel prevedere l'aspettativa di vita a breve termine dei pazienti sottoposti a radioterapia palliativa.

"Possiamo usare l'intelligenza artificiale (IA) per stimare l'età biologica di una persona a partire dalle foto del viso, e il nostro studio dimostra che le informazioni possono essere clinicamente significative", ha affermato in una nota Hugo Aerts, co-responsabile dello studio e autore corrispondente, direttore del programma di Intelligenza Artificiale in Medicina (AIM) presso il Mass General Brigham.

Come è stata sviluppata l'intelligenza artificiale?

I ricercatori del Mass General Brigham, un'azienda di ricerca ospedaliera statunitense, hanno utilizzato tecnologie di apprendimento profondo e riconoscimento facciale per addestrare FaceAge. Lo strumento è stato addestrato su 58.851 foto di individui presumibilmente sani, provenienti da set di dati pubblici.

Il team ha testato l'algoritmo su una coorte di 6.196 pazienti oncologici provenienti da due centri, utilizzando fotografie scattate di routine all'inizio del trattamento radioterapico.

I risultati hanno mostrato che i pazienti affetti da cancro apparivano significativamente più anziani rispetto a quelli senza cancro e che il loro FaceAge, in media, era di circa cinque anni più vecchio della loro età cronologica.

Tra i pazienti oncologici, un FaceAge più avanzato è stato associato a peggiori esiti di sopravvivenza, soprattutto negli individui che sembravano avere più di 85 anni, anche dopo aggiustamenti per età cronologica, sesso e tipo di tumore.

Prossimi passi

Sono necessarie ulteriori ricerche prima che questa tecnologia possa essere presa in considerazione per l'impiego in un contesto clinico reale. Il team sta testando l'algoritmo per prevedere le malattie, la salute generale e l'aspettativa di vita.

Gli studi di follow-up prevedono l'estensione di questo lavoro a diversi ospedali, l'analisi di pazienti in diverse fasi del cancro, il monitoraggio delle stime di FaceAge nel tempo e il test della sua accuratezza su set di dati di chirurgia plastica e trucco.

"Questo apre le porte a un nuovo campo di scoperta di biomarcatori a partire da fotografie, e il suo potenziale va ben oltre il trattamento del cancro o la previsione dell'età", ha affermato in una dichiarazione Ray Mak, coautore senior dello studio e membro della facoltà del programma AIM presso il Mass General Brigham.

Poiché consideriamo sempre più numerose malattie croniche come malattie dell'invecchiamento, diventa ancora più importante essere in grado di prevedere con precisione il percorso di invecchiamento di un individuo. Spero che in futuro potremo utilizzare questa tecnologia come sistema di diagnosi precoce in una varietà di applicazioni, all'interno di un solido quadro normativo ed etico, per contribuire a salvare vite umane.

L'intelligenza artificiale in medicina: diagnosi precoce e riduzione del rischio per i pazienti