Estudio reciente detalla cómo funciona FaceAge un modelo de IA que puede determinar con precisión la edad biológica a través de una selfie.
Los seres humanos envejecemos a ritmos diferentes, el aspecto físico puede aportar información sobre la edad biológica y la salud fisiológica de forma más fiable incluso que la edad cronológica. En medicina, sin embargo, la apariencia se incorpora a los juicios médicos de forma subjetiva y hay un estándar para ello. En un estudio publicado en The Lancet Digital Health, investigadores de Mass Brigham General Hospital, se propusieron desarrollar y validar FaceAge, un sistema de deep learning o aprendizaje profundo para estimar la edad biológica a partir de fotografías faciales fáciles de obtener y de bajo costo. Este enfoque podría utilizarse para traducir la apariencia visual de un paciente en medidas objetivas, cuantitativas y clínicamente valiosas.
Los investigadores descubrieron que los pacientes con cáncer tenían, en promedio una edad en FaceAge más alta que los que no padecían la enfermedad y parecían unos cinco años mayores que su edad cronológica. Las predicciones de FaceAge de mayor edad fueron asociadas con peores resultados de supervivencia en múltiples tipos de cáncer. También se el estudio detalló que FaceAge superaba a los médicos a la hora de predecir la esperanza de vida a corto plazo de los pacientes que recibían radioterapia paliativa.
FaceAge fue entrenado con datos de 58,851 personas presuntamente sanas de 60 años o más, más de 56 mil individuos fueron obtenidos del IMDb-Wiki dataset y más de 2 mil 500 del conjunto de datos UTKFace. Para la utilidad clínica fueron evaluados datos de 6,196 pacientes con diagnóstico de cáncer. Las estimaciones de FaceAge en las cohortes de pacientes con cáncer fueron comparadas con la cohorte de referencia no cancerosa de 535 individuos. Posteriormente, para evaluar la relevancia pronostica de FaceAge, realizaron diversos análisis para ajustar viables clínicas.
Además, también evaluaron el rendimiento de FaceAge en pacientes con cáncer metastásico que reciben tratamiento en la parte final de su vida. Finalmente, para evaluar si FaceAge tiene el potencial de ser un biomarcador del envejecimiento molecular los científicos realizaron un análisis basado en genes para evaluar su asociación con genes de senescencia, es decir, aquellos involucrados, entre otras cosas, en el envejecimiento del organismo, y en el desarrollo de enfermedades asociadas a la edad.
“Podemos utilizar la inteligencia artificial (IA) para estimar la edad biológica de una persona a partir de fotos de la cara, y nuestro estudio muestra que la información puede ser clínicamente significativa”, dijo el y autor correspondiente, el Dr. Hugo Aerts, director del programa de IA en Medicina (AIM) en Mass General Brigham. “Este trabajo demuestra que una foto como un simple selfie contiene información importante que podría ayudar a fundamentar la toma de decisiones clínicas y los planes de atención para pacientes y médicos». La edad que aparenta alguien en comparación con su edad cronológica realmente importa: a las personas con FaceAge más jóvenes que su edad cronológica les va significativamente mejor después de la terapia contra el cáncer”, agrego.
FaceAge mostró un rendimiento pronóstico independiente significativo en varios tipos y estadios de cáncer. Además, aparentar más edad se correlacionó con una peor supervivencia global. También descubrieron que, de media, los pacientes con cáncer parecían mayores que su edad cronológica, con un aumento medio de 4.79 años con respecto a la cohorte de referencia no cancerosa.
De igual forma FaceAge puede mejorar las predicciones de supervivencia de los médicos en pacientes con cáncer incurable que reciben tratamientos paliativos, lo que destaca el uso clínico del algoritmo para apoyar la toma de decisiones al final de la vida. Finalmente, FaceAge también se asoció significativamente con los mecanismos moleculares de la senescencia a través del análisis de genes, mientras que la edad no lo hizo.
Los autores refieren que los resultados sugieren que un modelo de deep learning puede estimar la edad biológica a partir de fotografías faciales y, por lo tanto, mejorar la predicción de supervivencia en pacientes con cáncer. No obstante reconocen que serán necesarias más investigaciones así como validaciones en cohortes más grandes para verificar los hallazgos en pacientes con cáncer y establecer si estos se extienden a pacientes con otras enfermedades.
“Esto abre la puerta a un reino completamente nuevo de descubrimiento de biomarcadores a partir de fotografías, y su potencial va mucho más allá del cuidado del cáncer o la predicción de la edad”, dijo el coautor principal Ray Mak, miembro del programa AIM en Mass General Brigham. “A medida que consideramos cada vez más las distintas enfermedades crónicas como enfermedades del envejecimiento, resulta aún más importante poder predecir con exactitud la trayectoria de envejecimiento de un individuo. Espero que en última instancia podamos utilizar esta tecnología como sistema de detección precoz en diversas aplicaciones, dentro de un marco normativo y ético sólido, para ayudar a salvar vidas”, finalizó.
