La IA de Mass General Brigham predice el riesgo de supervivencia al cáncer a partir de una foto facial

De los píxeles faciales a los biomarcadores clínicos

Determinar hasta qué punto un paciente tolerará el tratamiento oncológico depende tradicionalmente del juicio clínico subjetivo y de agotadoras pruebas físicas. Para ofrecer una métrica objetiva, los investigadores crearon FAHR-Face, abreviatura de Foundation Artificial Intelligence for Health Recognition, según informa New Atlas. El modelo de aprendizaje automático autosupervisado utiliza autoencoders enmascarados entrenados con más de 42 millones de fotos de rostros, lo que enseña al sistema a reconstruir rasgos ocultos y a captar información estructural correlacionada con la salud general.

«Hasta donde sabemos, esta es la primera demostración de que un modelo de IA puede predecir directamente la supervivencia al cáncer a partir de una simple fotografía».

— Hugo Aerts, PhD, director del programa de IA en medicina de Mass General Brigham

Dos algoritmos para la edad y la supervivencia

Los investigadores ajustaron la arquitectura central para crear dos instrumentos diagnósticos complementarios: FAHR-FaceAge y FAHR-FaceSurvival. Según los datos publicados por New Atlas, FAHR-FaceAge calcula el envejecimiento fisiológico en lugar de los años cronológicos, con un margen de error medio de 5,1 años. Lo más importante es que el modelo se mantuvo robusto frente a elementos de confusión como el maquillaje, las gafas, la iluminación variable y los estiramientos faciales, y solo mostró discrepancias menores en sujetos sometidos a rinoplastia. Los pacientes que aparentaban cinco o más años más que su edad cronológica presentaban un 21 % más de riesgo de mortalidad, mientras que quienes aparentaban cinco años menos mostraban una tasa de supervivencia un 17 % mayor.

Trazar el riesgo de mortalidad durante la terapia oncológica

La herramienta de supervivencia se evaluó con imágenes faciales de más de 34.000 pacientes oncológicos sometidos a radioterapia, seguidas de cohortes de validación de casi 4.000 y 5.000 personas. Según detalla New Atlas, FAHR-FaceSurvival distinguió con éxito los niveles de riesgo: los pacientes situados en la categoría de mayor mortalidad registraron una tasa de fallecimiento más de tres veces superior a la de los del nivel más bajo. Dentro del segmento de mayor riesgo, el 52 % de los pacientes falleció en un plazo de 90 días, frente a solo el 2,1 % del grupo de menor riesgo. Los mapas de calor revelaron que FAHR-FaceSurvival analiza la zona bajo los ojos y a lo largo del puente nasal, mientras que FAHR-FaceAge se centra principalmente en las sienes, los surcos nasogenianos y la frente por encima de las cuencas oculares.

Integración clínica y evaluación pública

Al extraer señales fisiológicas de fotografías de consumo, esta innovación podría ayudar a los oncólogos a ajustar las dosis de radiación o a elegir alternativas menos tóxicas para las personas frágiles. El coautor principal, Hugo Aerts, y el oncólogo radioterapeuta Raymond Mak señalaron que la estructura de modelo fundacional permite a los equipos desarrollar marcadores diagnósticos especializados sin construir cada red neuronal desde cero. Aunque los investigadores han abierto un ensayo en línea ampliado para la evaluación pública, los equipos clínicos preparan nuevas evaluaciones para determinar cómo puede integrarse de forma segura el biomarcador visual automatizado en los flujos de trabajo de la oncología clínica, según documenta New Atlas.

Lea también en The Patent: Neuronas cultivadas en laboratorio descifran el braille y guían perros robot