Зовнішність людини може містити більше інформації про її здоров’я, ніж здається на перший погляд. Дослідники розробили два інструменти штучного інтелекту, які аналізують фотографії обличчя, оцінюють видимий вік людини та допомагають визначити ризик смерті серед пацієнтів із раком. В одному з випробувань алгоритм розділив онкопацієнтів на групи за прогнозованим ризиком. Люди з найвищими оцінками мали більш ніж утричі вищу ймовірність смерті, ніж учасники з найнижчими показниками. Ця різниця зберігалася навіть після врахування стандартних клінічних чинників. Обидва інструменти створили на основі моделі FAHR-Face, розробленої в медичній системі Mass General Brigham у Бостоні. Понад 40 мільйонів фотографій для навчання Базову модель навчали на більш ніж 40 мільйонах фотографій облич із відкритої бази даних. Зображення не мали попередніх позначок: алгоритм самостійно вчився відновлювати приховані фрагменти фотографій і таким чином опановував закономірності будови обличчя. Після цього модель адаптували для двох завдань. FAHR-FaceAge оцінює вік за зовнішністю, а FAHR-FaceSurvival аналізує фотографію та формує оцінку ризику смерті. Другу систему навчали на 34 363 фотографіях онкопацієнтів, які лікувалися в лікарнях, пов’язаних із Гарвардом. Зображення зіставляли з інформацією про те, чи помер пацієнт і коли саме це сталося. За словами керівника програми штучного інтелекту в медицині Г’юго Аертса, головна перевага підходу полягає в тому, що одна модель може навчитися загальних особливостей обличчя, а потім використовувати їх для оцінювання різних показників здоров’я. Коли людина виглядає старшою за свій вік Під час перевірки на фотографіях людей, яких вважали здоровими, модель FAHR-FaceAge помилялася в оцінці віку в середньому на 5,1 року. Для порівняння, аналогічна система, навчена з нуля на тих самих зображеннях, мала середню похибку 6,9 року. Далі дослідники проаналізували дані 38 183 пацієнтів із раком, які проходили променеву терапію. Приблизно третина з них на фотографіях виглядала щонайменше на п’ять років старшою за фактичний вік, а 17% — на десять років або більше. У тих, хто виглядав на п’ять і більше років старшим, ризик смерті протягом періоду спостереження був на 21% вищим, ніж у решти пацієнтів. Натомість люди, які виглядали щонайменше на п’ять років молодшими, мали на 17% нижчий ризик. Особливо помітною різниця була протягом перших 90 днів: серед пацієнтів, яких алгоритм оцінював як старших більш ніж на 20 років, за цей час померли 21,3%. У групі тих, хто виглядав щонайменше на десять років молодшим, показник становив 6,4%. Дві моделі аналізують різні ділянки обличчя Інструмент FAHR-FaceSurvival не оцінює вік, а присвоює фотографії бал від 0 до 1. Його перевірили на зображеннях 3820 пацієнтів, які не використовувалися під час навчання моделі. Алгоритм враховував, зокрема, ділянку під очима та перенісся. Модель оцінювання віку натомість більше зважала на зморшки між носом і ротом, лоб і скроні. Результати двох систем були лише слабко пов’язані між собою, а кожна з них окремо зберігала зв’язок із виживанням пацієнтів. Дослідники також помітили зв’язок між способом життя та оцінкою віку. Люди, які багато курили, зазвичай виглядали старшими за тих, хто кинув курити, а ті — старшими за людей, які ніколи не курили. Подібні закономірності виявили для надмірного вживання алкоголю та наркотиків. До медичного застосування ще далеко Обидві моделі додатково перевірили на даних 4892 пацієнтів клініки променевої терапії Маастрихтського університету в Нідерландах. Результати зберегли зв’язок між оцінками алгоритмів і виживанням, а поєднання двох показників давало точніший прогноз, ніж використання кожного окремо. Однак дослідники визнають суттєві обмеження. Аналіз охоплював пацієнтів лише з кількох медичних центрів у заможних країнах. Ефективність систем для інших захворювань і населення інших регіонів світу поки не перевірена. Крім того, модель оцінювання віку менш точно розділяла ризики серед темношкірих і латиноамериканських пацієнтів, ніж серед білих та азійських. Жодному пацієнту не змінювали лікування на підставі оцінки ШІ. Чи допоможуть такі інструменти лікарям обирати терапію та покращувати результати лікування, ще невідомо. Автори наголошують: перед використанням у повсякденній медицині потрібні проспективні клінічні випробування. Дослідження опубліковано в журналі The Lancet Digital Health.