FaceAge aracı, kanser bakımı ve diğer kronik hastalıklarda tedavi kararlarını bilgilendirmeye yardımcı olacak objektif veriler sağlayabilir.

Özet:
Araştırmacılar, yüzlerinin bir fotoğrafından bir hastanın biyolojik yaşını hesaplayan bir yapay zeka aracı olan FaceAge’ı geliştirdiler. Yeni bir çalışmada, araştırmacılar FaceAge sonuçlarını kanserli kişilerde sağlık sonuçlarına bağladı: FaceAge, bir kanser hastasının kronolojik yaşından daha genç bir yaş tahmin ettiğinde, hasta kanser tedavisinden sonra önemli ölçüde daha iyi durumdayken, daha eski FaceAge tahminlerine sahip hastalar daha kötü sağkalım sonuçlarına sahipti.

Gözler ruha açılan pencere olabilir, ancak bir kişinin biyolojik yaşı yüz özelliklerine yansıyabilir. Mass General Brigham’dan araştırmacılar, kanserli hastalar için biyolojik yaş ve hayatta kalma sonuçlarını tahmin etmek için bir kişinin yüzünün bir fotoğrafını kullanan FaceAge adlı derin bir öğrenme algoritması geliştirdiler. Ortalama olarak kanserli hastaların, olmayanlara göre daha yüksek bir Yüz Yaşına sahip olduğunu ve kronolojik yaşlarından yaklaşık beş yaş daha büyük göründüğünü buldular. Daha eski FaceAge tahminleri, birden fazla kanser türünde daha kötü genel sağkalım sonuçlarıyla ilişkiliydi. Ayrıca, FaceAge’ın palyatif radyoterapi alan hastaların kısa vadeli yaşam beklentilerini tahmin etmede klinisyenlerden daha iyi performans gösterdiğini buldular. Sonuçları The Lancet Digital Health’te yayınlandı.

Mass General Brigham’da Tıpta Yapay Zeka (AIM) programının direktörü olan ortak kıdemli ve muhabir yazar Hugo Aerts, PhD, “Yüz resimlerinden bir kişinin biyolojik yaşını tahmin etmek için yapay zekayı (AI) kullanabiliriz ve çalışmamız bilginin klinik olarak anlamlı olabileceğini gösteriyor” dedi.

Bu çalışma, basit bir selfie gibi bir fotoğrafın, hastalar ve klinisyenler için klinik karar verme ve bakım planlarını bilgilendirmeye yardımcı olabilecek önemli bilgiler içerdiğini gösteriyor. Birinin kronolojik yaşına kıyasla kaç yaşında göründüğü gerçekten önemlidir – kronolojik yaşlarından daha genç FaceAge’a sahip bireyler kanser tedavisinden sonra önemli ölçüde daha iyi durumdadır.”

Hastalar muayene odalarına girdiğinde, görünümleri doktorlara genel sağlıkları ve canlılıkları hakkında ipuçları verebilir.

Diğer birçok biyolojik önleme ek olarak, hastanın kronolojik yaşı ile birlikte bu sezgisel değerlendirmeler, tedavinin en iyi sürecini belirlemeye yardımcı olabilir.

Bununla birlikte, herkes gibi, doktorların da bir kişinin yaşı hakkında onu etkileyebilecek önyargıları olabilir, bu da bakım kararlarını bilgilendirmek için daha objektif, öngörücü önlemlere olan ihtiyacı körükleyebilir.

Bu hedef göz önünde bulundurularak, Mass General Brigham araştırmacıları FaceAge’ı eğitmek için derin öğrenme ve yüz tanıma teknolojilerinden yararlandı.

Araç, kamuya açık veri kümelerinden sağlıklı olduğu varsayılan bireylerin 58.851 fotoğrafı üzerinde eğitildi.

Ekip, radyoterapi tedavisinin başlangıcında rutin olarak çekilen fotoğrafları kullanarak algoritmayı iki merkezden 6.196 kanser hastasından oluşan bir kohortta test etti.

Sonuçlar, kanser hastalarının kansersizlerden önemli ölçüde daha yaşlı göründüğünü ve FaceAge’larının ortalama olarak kronolojik yaşlarından yaklaşık beş yaş daha büyük olduğunu gösterdi.

Kanser hastası kohortunda, daha yaşlı FaceAge, kronolojik yaş, cinsiyet ve kanser türüne göre ayarlandıktan sonra bile, özellikle 85 yaşından büyük görünen bireylerde daha kötü sağkalım sonuçlarıyla ilişkiliydi.

Yaşamın sonunda tahmini hayatta kalma süresini belirlemek zordur, ancak kanser bakımında önemli tedavi etkileri vardır.

Ekip, 10 klinisyen ve araştırmacıdan palyatif radyoterapi alan hastanın 100 fotoğrafından kısa süreli yaşam beklentisini tahmin etmelerini istedi.

Performanslarında geniş bir aralık olsa da, genel olarak, klinisyenlerin tahminleri, hastanın kronolojik yaşı ve kanser durumu gibi klinik bağlam verildikten sonra bile yazı tura tahminlerinden sadece biraz daha iyiydi.

Yine de klinisyenlere hastanın FaceAge bilgisi de verildiğinde, tahminleri önemli ölçüde iyileşti.

Bu teknolojinin gerçek dünyadaki bir klinik ortamda kullanılması düşünülmeden önce daha fazla araştırmaya ihtiyaç vardır.

Araştırma ekibi, hastalıkları, genel sağlık durumunu ve yaşam süresini tahmin etmek için bu teknolojiyi test ediyor.

Takip çalışmaları, bu çalışmayı farklı hastanelere genişletmeyi, kanserin farklı evrelerindeki hastalara bakmayı, FaceAge tahminlerini zaman içinde izlemeyi ve plastik cerrahi ve makyaj veri kümelerine karşı doğruluğunu test etmeyi içerir.

Mass General Brigham’daki AIM programında öğretim üyesi olan ortak kıdemli yazar Ray Mak, “Bu, fotoğraflardan yepyeni bir biyobelirteç keşfi alanının kapısını açıyor ve potansiyeli kanser bakımının veya yaş tahmin etmenin çok ötesine geçiyor” dedi. “Farklı kronik hastalıkları giderek yaşlanma hastalıkları olarak düşündükçe, bir bireyin yaşlanma yörüngesini doğru bir şekilde tahmin edebilmek daha da önemli hale geliyor. Umarım nihayetinde bu teknolojiyi, hayat kurtarmaya yardımcı olmak için güçlü bir düzenleyici ve etik çerçeve içinde çeşitli uygulamalarda erken tespit sistemi olarak kullanabiliriz.”

Kaynak ve devamına Buradan ulaşabilirsiniz.