Atualização: Como uma foto do rosto de uma pessoa pode ajudar a prever se ela sobreviverá ao tratamento contra o câncer

Uma simples selfie pode conter pistas surpreendentes sobre sua saúde geral e longevidade, especialmente entre pessoas com câncer.

Pesquisadores do Mass General Brigham, em Boston, desenvolveram modelos de inteligência artificial que, segundo eles, podem prever a idade biológica e as chances de sobrevivência de um paciente com câncer usando apenas uma única fotografia do rosto.

A pesquisa, publicada na segunda-feira no periódico The Lancet Digital Health , sugere que a análise facial pode se tornar uma ferramenta adicional para os médicos considerarem ao avaliar as chances de sobrevivência de um paciente e ao decidir quais abordagens de tratamento podem funcionar melhor para seus pacientes com câncer.

Seu paciente já consultou a IA antes e isso muda tudo no consultório USP desenvolve IA para identificar cárie em radiografias Especialistas e Dr. Kalil alertam para erros da IA na saúde “Fiquei bastante surpreso ao descobrir que podíamos identificar sinais de risco de mortalidade apenas com uma fotografia facial”, disse o autor do estudo, Dr. Raymond Mak, radiooncologista do Mass General Brigham Cancer Institute e membro do corpo docente do programa de Inteligência Artificial em Medicina do Mass General Brigham.

Os modelos de IA – treinados com mais de 40 milhões de imagens faciais – avaliam especificamente diferentes aspectos do rosto para mensurar a saúde geral e a idade biológica de um paciente com câncer. Ao contrário da idade cronológica, que mede o número de anos que uma pessoa viveu, a idade biológica reflete o quão bem o corpo envelheceu em nível celular e físico.

“O algoritmo de estimativa de idade analisa a área ao redor das têmporas, a área na testa, acima dos olhos e o que chamamos de sulco nasolabial, a linha que liga o nariz ao canto da boca”, disse Mak sobre as partes do rosto que os modelos de IA consideram ao avaliar a idade biológica.

“Em contrapartida, o algoritmo de previsão de risco de mortalidade analisa uma parte totalmente diferente do rosto”, disse Mak. “Ele analisa a ponte do nariz e a área abaixo dos olhos.”

Curiosamente, as mesmas regiões do rosto que o modelo de IA avalia para prever a idade biológica e a sobrevivência são as mesmas partes que o médico e filósofo grego Hipócrates mencionou no Livro dos Prognósticos , escrito por volta de 400 a.C., quando descreveu "o nariz afilado, os olhos fundos, as têmporas caídas" como sinais de atrofia muscular e risco de mortalidade.

“Pensar que nossos algoritmos poderiam estar replicando a sabedoria de Hipócrates de milênios atrás foi algo impressionante para nós”, disse Mak.

Os algoritmos de IA não tinham conhecimento dos textos antigos de Hipócrates, porque "nossos algoritmos são treinados puramente com fotografias de rostos e, em seguida, se alguém morreu ou não, ou sua idade", disse Mak.

“Não leva em consideração o texto, o conhecimento ou a sabedoria que estão reunidos na internet”, acrescentou. “Então, ouvir Hipócrates ecoando através dos milênios em nossos algoritmos foi muito estranho.”

Mak e seus colegas construíram originalmente um modelo robusto de IA chamado Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face), que foi treinado com mais de 40 milhões de imagens faciais abrangendo diversas idades e origens étnicas.

O modelo foi então ajustado e usado como base para construir outros dois modelos capazes de executar tarefas específicas: o modelo FAHR-FaceAge estima a idade biológica de uma pessoa com base em uma única foto, e o modelo FAHR-FaceSurvival prevê as chances de sobrevivência de um paciente com câncer, combinando características faciais com outras informações clínicas.

Com o modelo FAHR-FaceSurvival, os pesquisadores descobriram que, entre 122 pacientes com câncer que, segundo o modelo, apresentavam alto risco de morte, mais da metade, 52,5%, faleceu em até 90 dias após a avaliação, conforme previsto. Em comparação, apenas cerca de 2% dos 975 pacientes do grupo de menor risco do FAHR-FaceSurvival faleceram em até 90 dias.

Ao avaliar o modelo FAHR-FaceAge, os pesquisadores descobriram que 21% dos 1.060 pacientes cuja idade biológica era mais de 20 anos superior à sua idade cronológica morreram em 90 dias. Em comparação, cerca de 6% dos 4.195 pacientes com idades biológicas pelo menos 10 anos inferiores à sua idade cronológica morreram em 90 dias.

Os pesquisadores descobriram que alterações estéticas no rosto – como cirurgias, injeções como Botox ou maquiagem, não afetaram o desempenho dos modelos de IA.

Os autores do estudo enfatizam que seus modelos de IA não têm a intenção de substituir médicos ou avaliações clínicas existentes. Em vez disso, descrevem a tecnologia como uma ferramenta emergente que poderá, um dia, auxiliar o médico na avaliação da saúde de um paciente ou na tomada de decisões sobre opções de tratamento.

"Se conseguirmos detectar precocemente o envelhecimento acelerado ou índices de mortalidade mais elevados, poderemos rastrear esses problemas ou identificar pacientes que possam se beneficiar de exames adicionais para doenças graves em um estágio inicial", disse Mak.

Embora o novo estudo tenha sido realizado apenas com pacientes com câncer, Mak afirmou que mais pesquisas poderão revelar se resultados semelhantes podem surgir em pessoas saudáveis ​​que estejam interessadas em sua longevidade.

O uso da tecnologia de IA no estudo é fascinante, mas ainda precisa ser avaliado clinicamente, disse o Dr. Wilbur Lam, presidente de pesquisa e professor de pediatria e engenharia biomédica da Universidade Emory.

“Este é um estudo extremamente convincente que deriva de um grande conjunto de dados e suas associações entre imagens faciais e idade biológica, bem como risco de sobrevivência ao câncer, parecem ser robustas. Sua verdadeira utilidade clínica, no entanto, precisará ser demonstrada prospectivamente”, disse Lam, que não participou do estudo, em um e-mail.

“Além disso, como os próprios autores mencionam, resta saber se essa ferramenta pode ser usada com precisão em subpopulações específicas”, disse ele. “Por exemplo, a intensidade dos efeitos em pessoas com características faciais específicas, cor da pele e faixas etárias também precisará ser testada prospectivamente para que a tecnologia possa ser implementada clinicamente.”