در یک گام رو به جلو برای استفاده از فناوریهای پیشرفته در حوزه سلامت، پژوهشگران در بیمارستان عمومی ماساچوست از تواناییهای هوش مصنوعی بهره گرفتهاند تا ابزاری نوآورانه توسعه دهند. این الگوریتم جدید که ‘FaceAge’ نام دارد، قادر است تنها با تحلیل یک عکس از چهره فرد، سن ‘زیستی’ او را تخمین بزند و نکته حائز اهمیت آن، ارتباط این تخمین با پیشبینی شانس بقا در بیماران سرطانی است.
برخلاف سن تقویمی که صرفاً مدت زمان سپری شده از لحظه تولد را نشان میدهد، سن زیستی به وضعیت سلامت سلولها و بافتهای بدن اشاره دارد. محققان دریافتهاند که سن زیستی میتواند شاخص دقیقتری از سلامت کلی و مقاومت بدن در برابر بیماریها باشد. الگوریتم FaceAge با آموزش بر روی مجموعهای وسیع از تصاویر، الگوهای ظریف چهره مرتبط با سن زیستی را شناسایی و تجزیه و تحلیل میکند.
نتایج یک مطالعه اخیر که توسط همین تیم انجام شده، یافتهای کلیدی را آشکار ساخته است: به نظر میرسد ‘چهره’ میتواند بازتابی از وضعیت سلامت درونی فرد باشد. بر اساس یافتهها، بیمارانی که سن زیستی تخمینزده شده توسط FaceAge در آنها کمتر از سن تقویمیشان بود – به عبارت دیگر، جوانتر از سن شناسنامهای خود به نظر میرسیدند – به طرز معناداری نتایج درمانی مطلوبتری را تجربه کردند و شانس بقای بالاتری داشتند. در مقابل، چهرههایی که سن زیستی بالاتری نسبت به سن واقعی فرد نشان میدادند، با پیشآگهی ضعیفتر و پاسخ کمتر به درمان مرتبط بودند.
این پژوهش همچنین به نکتهای مهم در مورد خود بیماری سرطان اشاره دارد. محققان دریافتند که به طور متوسط، سن زیستی بیماران مبتلا به سرطان در مقایسه با افراد سالم، حدود پنج سال بیشتر است. این تفاوت در سن ظاهری، که میتواند نشاندهنده پیری تسریعشده در سطح سلولی یا بافتی باشد، با کاهش چشمگیر در احتمال بقا در طیف وسیعی از انواع سرطان مرتبط تشخیص داده شد. این یافته نشان میدهد که سرطان ممکن است خود فرآیند پیری بدن را تسریع کند و این تسریع در چهره نیز منعکس میشود.
برای درک بهتر قابلیتهای این الگوریتم در محیط بالینی، تیم تحقیقاتی آزمایشی جالب انجام داد. آنها از ده پزشک و محقق بالینی درخواست کردند تا با نگاهکردن به تنها ۱۰۰ عکس از چهره بیمارانی که تحت رادیوتراپی تسکینی قرار داشتند، طول عمر کوتاهمدت آنها را پیشبینی کنند. نتایج این بخش از مطالعه شگفتآور بود؛ حتی با وجود دسترسی به اطلاعات بالینی پایهای مانند سن واقعی و شدت بیماری، دقت پیشبینی این متخصصان به سختی از حد تصادفی (چیزی در حد شیر یا خط) فراتر رفت. اما زمانی که همین پزشکان به اطلاعات سن زیستی تخمینزده شده توسط FaceAge دسترسی پیدا کردند، توانایی آنها در پیشبینی دقیق سرنوشت بیماران به شکل چشمگیری افزایش یافت که گواهی بر ارزش اطلاعات پنهان در چهره است.
دکتر هوگو ارتس، نویسنده ارشد این مقاله علمی و مسئول برنامه هوش مصنوعی در پزشکی (AIM) در بیمارستان ماس جنرال بریگام، بر اهمیت این یافتهها تاکید میکند. به گفته وی، توانایی هوش مصنوعی در تخمین سن زیستی صرفاً از طریق یک تصویر چهره، پتانسیل بالینی قابل توجهی دارد. او خاطرنشان میکند که حتی یک عکس به ظاهر ساده، مانند عکسی که افراد روزمره با تلفن همراه خود میگیرند، میتواند حاوی اطلاعات حیاتی باشد که به هدایت روند درمان کمک کند. دکتر ارتس به صراحت بیان میکند که تفاوت بین سن ظاهری (تخمین FaceAge) و سن تقویمی فرد در اینجا نقش کلیدی ایفا میکند و شواهد نشان میدهد آنهایی که چهرهشان جوانتر از سن واقعیشان به نظر میرسید، مسیر درمانی موفقتری را در پیش گرفتند.
دکتر ری مک، یکی دیگر از نویسندگان این مقاله، چشمانداز گستردهتری برای این فناوری ترسیم میکند. او معتقد است که این کشف، راه را برای شناسایی سایر نشانگرهای زیستی پنهان در تصاویر باز میکند و کاربرد آن فراتر از صرف پیشبینی سن یا مدیریت سرطان خواهد بود. وی با اشاره به اینکه بسیاری از بیماریهای مزمن ریشه در فرایند پیری دارند، اهمیت توانایی پیشبینی دقیق چگونگی روند پیری در افراد را پررنگ میکند. دکتر مک ابراز امیدواری میکند که این ابزار بتواند در آینده به عنوان یک سیستم هشدار زودهنگام در تشخیص طیف وسیعی از بیماریها به کار رود، هرچند تاکید دارد که این کاربردها باید با رعایت دقیق ملاحظات اخلاقی و نظارت علمی صورت پذیرد تا حریم خصوصی افراد و دقت نتایج تضمین شود.
تیم پژوهشی اکنون در حال برنامهریزی برای گامهای بعدی است. آنها قصد دارند مطالعات خود را گسترش دهند تا الگوریتم FaceAge در محیطهای بالینی واقعی و بر روی جمعیت بزرگتری از بیماران در مراحل مختلف بیماری سرطان مورد آزمایش و اعتبارسنجی قرار گیرد. علاوه بر این، محققان قصد دارند بررسی کنند که عواملی مانند جراحی پلاستیک یا استفاده از مواد آرایشی تا چه حد میتواند بر دقت تخمین FaceAge تاثیر بگذارد. این پیشرفت، نویدبخش آیندهای است که در آن ابزارهای مبتنی بر هوش مصنوعی میتوانند اطلاعات ارزشمندی را از منابع غیرمنتظره مانند چهره افراد استخراج کرده و به پزشکان در تشخیص زودهنگام، پیشبینی مسیر بیماری و تصمیمگیری برای درمانهای شخصیسازی شده یاری رسانند.
