L'IA di Mass General Brigham prevede il rischio di sopravvivenza al cancro da una foto del viso

Dai pixel del viso ai biomarcatori clinici

Determinare quanto bene un paziente sopporterà il trattamento oncologico dipende tradizionalmente dal giudizio clinico soggettivo e da test fisici estenuanti. Per fornire una metrica oggettiva, i ricercatori hanno creato FAHR-Face, acronimo di Foundation Artificial Intelligence for Health Recognition, come riportato da New Atlas. Il modello di machine learning auto-supervisionato utilizza autoencoder mascherati addestrati su oltre 42 milioni di foto di volti, insegnando al sistema a ricostruire i tratti oscurati e a catturare informazioni strutturali correlate allo stato di salute generale.

«Per quanto ne sappiamo, questa è la prima dimostrazione che un modello di IA può prevedere direttamente la sopravvivenza al cancro da una semplice fotografia.»

— Hugo Aerts, PhD, direttore del programma di IA in medicina del Mass General Brigham

Due algoritmi per età e sopravvivenza

I ricercatori hanno messo a punto l'architettura di base in due strumenti diagnostici complementari: FAHR-FaceAge e FAHR-FaceSurvival. Secondo i dati riportati da New Atlas, FAHR-FaceAge calcola l'invecchiamento fisiologico anziché gli anni cronologici, raggiungendo un margine di errore medio di 5,1 anni. Fondamentalmente, il modello è rimasto robusto contro elementi confondenti come trucco, occhiali, illuminazione variabile e lifting facciali, mostrando solo lievi discrepanze nei soggetti sottoposti a rinoplastica. I pazienti che apparivano più vecchi di cinque o più anni rispetto alla loro età cronologica presentavano un rischio di mortalità superiore del 21%, mentre quelli che apparivano più giovani di cinque anni mostravano un tasso di sopravvivenza superiore del 17%.

Mappare il rischio di mortalità durante la terapia oncologica

Lo strumento di sopravvivenza è stato valutato su immagini del viso di oltre 34.000 pazienti oncologici sottoposti a radioterapia, seguito da coorti di validazione di quasi 4.000 e 5.000 individui. Come dettagliato da New Atlas, FAHR-FaceSurvival ha distinto con successo i livelli di rischio: i pazienti inseriti nella categoria di mortalità più alta hanno registrato un tasso di decessi più che triplo rispetto a quelli della fascia più bassa. Nel segmento a rischio più elevato, il 52% dei pazienti è morto entro 90 giorni, rispetto a solo il 2,1% del gruppo a rischio più basso. Le mappe di calore hanno rivelato che FAHR-FaceSurvival analizza la zona sotto gli occhi e lungo il ponte nasale, mentre FAHR-FaceAge si concentra principalmente sulle tempie, sulle pieghe nasolabiali e sulla fronte sopra le orbite.

Integrazione clinica e valutazione pubblica

Estraendo segnali fisiologici da fotografie di livello consumer, questa innovazione potrebbe aiutare gli oncologi a calibrare le dosi di radiazioni o a scegliere alternative meno tossiche per le persone fragili. Il co-autore senior Hugo Aerts e il radioterapista oncologo Raymond Mak hanno osservato che la struttura del modello di base consente ai team di sviluppare marcatori diagnostici specializzati senza costruire ogni rete neurale da zero. Mentre i ricercatori hanno aperto una sperimentazione online ampliata per la valutazione pubblica, i team clinici stanno preparando ulteriori valutazioni per determinare come il biomarcatore visivo automatizzato possa essere integrato in modo sicuro nei flussi di lavoro dell'oncologia clinica, come documentato da New Atlas.

Leggi anche su The Patent: Neuroni coltivati in laboratorio decifrano il Braille e guidano cani robot