هوش مصنوعی بقای بیماران سرطانی را از روی چهره پیش‌بینی می‌کند

ICTPRESS - پژوهشگران با توسعه دو ابزار هوش مصنوعی و آموزش آن‌ها با بیش از ۴۰ میلیون تصویر چهره، روشی برای برآورد سن زیستی و تخمین احتمال بقای بیماران مبتلا به سرطان ارائه کرده‌اند؛ روشی که می‌تواند در آینده به ارزیابی وضعیت بیماران و انتخاب درمان متناسب با شرایط آن‌ها کمک کند.

به گزارش شبکه خبری ICTPRESS، پژوهشگران دانشکده پزشکی هاروارد آمریکا در مطالعه‌ای تازه بررسی کرده‌اند که آیا هوش مصنوعی می‌تواند با تحلیل یک عکس معمولی از چهره، نشانه‌هایی مرتبط با سن زیستی و احتمال بقای بیماران سرطانی استخراج کند یا خیر. نتایج این پژوهش در نشریه علمی «لنست دیجیتال هلث» (The Lancet Digital Health) منتشر شده است.

سن تقویمی تعداد سال‌هایی است که از تولد فرد گذشته، اما سن زیستی به وضعیت بدن و میزان پیرشدن آن اشاره دارد و ممکن است با سن تقویمی تفاوت داشته باشد. برخی افراد جوان‌تر یا مسن‌تر از سن واقعی خود به نظر می‌رسند و این تفاوت می‌تواند با وضعیت عمومی سلامت آن‌ها ارتباط داشته باشد. بررسی این موضوع برای پزشکان اهمیت دارد؛ زیرا انتخاب و تنظیم درمان سرطان به اطلاعاتی درباره وضعیت جسمانی هر بیمار نیاز دارد.

پژوهشگران در این مطالعه، دو ابزار هوش مصنوعی را بر پایه مدلی به نام «فهر-فیس» توسعه دادند. این پژوهش ادامه بررسی‌های پیشین همین گروه درباره مدلی به نام «فیس‌ایج» بود، اما مدل جدید با مجموعه‌ای بسیار بزرگ‌تر و متنوع‌تر از تصاویر آموزش داده شد.

مدل فهر-فیس با بیش از ۴۰ میلیون عکس عمومی چهره آموزش داده شد؛ مجموعه‌ای که تنوع قومی بیشتری داشت و بازه سنی گسترده‌تری را پوشش می‌داد. پژوهشگران بر پایه این مدل، دو ابزار مکمل ساختند. ابزار نخست، «فهر-فیس‌ایج»، سن زیستی بیمار را از روی چهره برآورد می‌کرد و از این طریق به پیش‌بینی بقا کمک می‌کرد. ابزار دوم، «فهر-فیس‌سروایول»، احتمال بقا را مستقیماً از روی عکس چهره تخمین می‌زد و به برآورد سن زیستی وابسته نبود.

پژوهشگران عملکرد این ابزارها را در گروه‌هایی از بیماران مبتلا به سرطان در ایالات متحده که پرتودرمانی دریافت کرده بودند، بررسی کردند.

ارتباط سن زیستی برآوردشده با احتمال بقا

در بررسی بیش از ۳۸ هزار بیمار سرطانی که پرتودرمانی دریافت کرده بودند، بیمارانی که بر اساس ارزیابی ابزار فهر-فیس‌ایج دست‌کم پنج سال مسن‌تر از سن تقویمی خود به نظر می‌رسیدند، در دوره پیگیری با میانگین حدود چهار سال، با خطر مرگ بیشتری روبه‌رو بودند. خطر مرگ در این گروه ۲۱ درصد بیشتر از سایر بیماران گزارش شد.

در مقابل، بیمارانی که دست‌کم پنج سال جوان‌تر از سن تقویمی خود به نظر می‌رسیدند، ۱۷ درصد خطر مرگ کمتری داشتند. این یافته‌ها نشان می‌دهد سن زیستی برآوردشده از روی چهره می‌تواند با احتمال بقای بیماران ارتباط داشته باشد، اما به‌تنهایی سرنوشت یک بیمار را تعیین نمی‌کند.

تفاوت در امتیازهای پیش‌بینی خطر مرگ

ابزار FAHR-FaceSurvival برای نزدیک به چهار هزار بیمار، امتیازی بین صفر تا یک ارائه کرد که امتیاز بالاتر نشان‌دهنده خطر برآوردشده بیشتر بود.

از میان بیمارانی که امتیاز آن‌ها بین ۰٫۹ تا یک قرار داشت، ۵۳ درصد، معادل ۶۴ نفر از ۱۲۲ نفر، طی ۹۰ روز جان باختند. در گروهی که امتیاز آن‌ها بین صفر تا ۰٫۱ بود، این رقم به ۲ درصد، معادل ۲۰ نفر از ۹۷۵ نفر، رسید.

همچنین، استفاده هم‌زمان از دو ابزار، پیش‌بینی بقا را در مقایسه با استفاده جداگانه از هرکدام دقیق‌تر کرد. این یافته نشان می‌دهد برآورد سن زیستی و تخمین مستقیم احتمال بقا می‌توانند اطلاعات مکملی درباره وضعیت بیماران فراهم کنند.

ارتباط عادت‌های زندگی با سن زیستی چهره

نتایج این پژوهش همچنین نشان داد مصرف زیاد الکل، مصرف مواد مخدر و سیگارکشیدن با سن زیستی بالاتر برآوردشده از روی چهره ارتباط دارند.

در میان این عوامل، سیگارکشیدن الگوی مشخص‌تری داشت؛ به‌طوری‌که افراد سیگاری فعلی مسن‌تر از کسانی به نظر می‌رسیدند که سیگار را ترک کرده بودند. افراد سیگاری سابق نیز در مقایسه با کسانی که هرگز سیگار نکشیده بودند، سن زیستی بالاتری داشتند. با این حال، این یافته‌ها به‌تنهایی رابطه علت و معلولی میان این عادت‌ها و تغییر سن زیستی برآوردشده را اثبات نمی‌کنند.

کاربرد احتمالی در ارزیابی بیماران سرطانی

مزیت احتمالی این فناوری، سادگی ثبت تصویر چهره و امکان استفاده از آن به‌عنوان منبعی کم‌هزینه برای گردآوری اطلاعات تکمیلی درباره وضعیت بیماران است. در صورت تأیید نتایج در مطالعات بیشتر، این روش می‌تواند به پزشکان کمک کند تا وضعیت جسمانی بیماران و احتمال بقای آن‌ها را دقیق‌تر ارزیابی کنند.

با این حال، این ابزارها هنوز برای استفاده گسترده در تصمیم‌گیری‌های بالینی به بررسی و اعتبارسنجی بیشتر نیاز دارند. نتایج پژوهش به معنای امکان تعیین قطعی طول عمر افراد از روی چهره نیست؛ بلکه نشان‌دهنده ظرفیت بالقوه هوش مصنوعی برای کمک به ارزیابی پزشکی است. این ابزارها نیز نباید جایگزین ارزیابی پزشک و سایر اطلاعات بالینی شوند.