Investigadores de Mass General Brigham entrenaron un modelo con más de 40 millones de imágenes y lo probaron en más de 43 mil pacientes oncológicos de dos centros.
Un equipo de Mass General Brigham, desarrolló FAHR-Face, un modelo de inteligencia artificial (IA) que aprende a reconocer rasgos del rostro a partir de más de 40 millones de fotografías. A partir de ese modelo base se crearon dos herramientas, FAHR-FaceAge, que estima la edad biológica de una persona, y FAHR-FaceSurvival, que calcula el riesgo de fallecer en pacientes con cáncer a partir de una fotografía. Los resultados se publicaron en The Lancet Digital Health.
La edad biológica no coincide necesariamente con los años cumplidos. Se refiere a cuánto envejece el organismo según su estado de salud, y en este caso se estima a partir de cómo se ve el rostro. Los autores consideran que parecer mayor que la edad real es un indicador de peor salud y de mayor riesgo clínico. La idea parte de algo que los médicos ya hacen de manera intuitiva al valorar a un paciente por su apariencia, y el estudio busca volver esa observación medible y comparable entre personas.
Para la herramienta de edad, el modelo se ajustó con 743,152 fotografías con edad conocida, tomadas de diez bases de datos públicas. Al probarlo en una base pública de personas presuntamente sanas, FAHR-FaceAge tuvo un error promedio de 5.1 años, menor que el de otros modelos de referencia. Una versión entrenada desde cero, sin el modelo base, alcanzó un error de 6.92 años. El desempeño fue similar en distintos grupos de edad y de origen étnico. Los investigadores señalan que, a diferencia de su versión anterior, que se desarrolló sobre todo para personas de 60 años o más y en una población mayoritariamente blanca, la nueva abarca toda la vida y los principales grupos raciales.
Para evaluar su utilidad clínica, el equipo analizó a 38,183 pacientes con cáncer tratados con radioterapia entre 2008 y 2023 en seis clínicas de Boston. La diferencia entre la edad que calcula el modelo y la edad real, a la que el estudio llama desviación de FAHR-FaceAge, se asoció con la supervivencia. Una desviación de 5 años o más se vinculó con 21% más riesgo de fallecer, una vez ajustados factores como edad, sexo, tipo de cáncer y tratamiento. En cambio, parecer 5 años o más joven que la edad real se relacionó con 17% menos riesgo. El 33% de los pacientes aparentaba al menos 5 años más de los que tenía. Entre quienes parecían más de 20 años mayores, 21.3% murió en los primeros 90 días, frente a 6.4% en quienes parecían al menos 10 años más jóvenes.
El estudio también analizó el estilo de vida. El consumo elevado de alcohol y de drogas se asoció con una apariencia biológicamente más envejecida, y el tabaquismo mostró la relación más clara, con un patrón que aumentaba con la exposición. Los fumadores actuales se veían de mayor edad que los exfumadores, y estos a su vez que quienes nunca habían fumado. Como explicó Raymond Mak, autor correspondiente del estudio y oncólogo radioterapeuta del Mass General Brigham Cancer Institute:
“A medida que la población envejece, los médicos necesitan mejores formas de estimar la reserva física y la fragilidad antes de recomendar tratamientos intensivos como radiación, cirugía o terapia sistémica”. Añadió que su objetivo es hacer la evaluación de salud basada en fotografías del rostro “más cuantitativa, consistente y escalable, para que pueda apoyar decisiones de tratamiento personalizadas y no reemplazar el criterio del médico”.
La segunda herramienta, FAHR-FaceSurvival, se entrenó con 34,363 fotografías de pacientes con cáncer y se probó con otras 3,820 que el modelo no había visto. Sus puntuaciones fueron más altas en los pacientes con cáncer metastásico que en los de enfermedad localizada o lesiones benignas. Entre quienes recibieron las puntuaciones más altas, 52.5% falleció en los primeros 90 días, frente a 2.1% de los que obtuvieron las más bajas. El grupo de mayor riesgo tuvo más del triple de riesgo de mortalidad que el de menor riesgo, aun después de ajustar por factores clínicos. Un modelo similar entrenado solo con fotografías de pacientes, sin el modelo base de 40 millones de imágenes, tuvo un desempeño menor en la métrica de concordancia, de 0.66 frente a 0.72.
En este sentido Hugo Aerts, codirector del estudio y director del programa de IA en Medicina de Mass General Brigham, explicó que:
«El avance técnico clave es que FAHR-Face aprende una representación general del rostro a partir de más de 40 millones de imágenes, que luego puede adaptarse a distintos resultados de salud, como la edad biológica y la supervivencia. Este enfoque basado en modelos fundamentales nos ofrece una forma escalable de desarrollar múltiples biomarcadores de salud faciales, en lugar de entrenar cada modelo desde cero”.
Los dos algoritmos comparten el mismo origen, pero captan información distinta. Su correlación fue baja y ambos mantuvieron una asociación independiente con la supervivencia cuando se analizaron juntos. Cada uno se fija además en zonas diferentes del rostro. FAHR-FaceAge se centra en los pliegues nasolabiales, la frente y las sienes, mientras que FAHR-FaceSurvival observa la zona bajo los ojos y el puente de la nariz. Según los autores, la edad en años resulta intuitiva y puede integrarse a herramientas de estratificación de riesgo, mientras que la puntuación de supervivencia podría ser más útil para estimar la mortalidad a corto plazo. Aerts señaló que FAHR-FaceSurvival da un paso más en el campo de la IA para el reconocimiento facial de salud, al aprender el riesgo de supervivencia directamente de fotografías de pacientes con cáncer, y que, hasta donde se conoce, se trata de la primera demostración de que un modelo de IA puede predecir directamente la supervivencia en cáncer a partir de una fotografía.
Los resultados se confirmaron en una cohorte independiente de 4,892 pacientes con cáncer tratados en Maastricht, en los Países Bajos. Allí, la desviación de edad y la puntuación de supervivencia siguieron asociándose con la supervivencia, y usarlas en conjunto mejoró el ajuste del modelo estadístico. En los pacientes de 60 años o más, FAHR-FaceAge predijo mejor la supervivencia a tres meses que la edad cronológica y que la versión anterior de FaceAge, con un área bajo la curva de 0.66, frente a 0.63 y 0.64. En esa cohorte, el error promedio para estimar la edad fue de 6.99 años, mayor que el obtenido en las bases públicas.
El equipo también probó si el resultado cambiaba con las condiciones de la fotografía. Con imágenes pareadas de las mismas personas, no encontró diferencias significativas por maquillaje, ángulo, iluminación o expresión facial. Tampoco las hubo tras la corrección de cejas o párpados, los estiramientos faciales o las cirugías de huesos del rostro. Sí hubo un aumento promedio de 1.11 años en la edad estimada después de una cirugía de nariz. Mak calificó como sorpresa:
“Otra sorpresa fue lo consistente que fue FAHR-FaceAge ante variaciones comunes de fotografías en el mundo real, como pose, iluminación, expresión facial y maquillaje, también fue estable en la mayoría de los procedimientos de cirugía plástica evaluados, con solo un pequeño cambio tras la rinoplastia”.
Los autores reconocen límites, pues las cohortes incluyen solo a pacientes con cáncer, atendidos sobre todo en centros de países de ingresos altos, lo que puede restringir su aplicación a otras enfermedades, regiones y grupos poco representados. La calidad de la imagen, la luz y la expresión pueden seguir afectando la precisión, y persiste el riesgo de sesgos por raza, origen étnico y edad. Por ello plantean la necesidad de ensayos prospectivos que prueben su uso junto a los modelos pronósticos tradicionales, así como estándares claros para la toma de las fotografías y la regulación de estas herramientas.
El grupo amplía además la investigación con el FaceAge Research Study, un estudio en línea aprobado por un comité de ética institucional y abierto al público en https://faceage.bwh.harvard.edu. Los participantes pueden subir una fotografía y recibir su lectura de FaceAge con fines de investigación, mientras aportan datos para validar estas mediciones en poblaciones más amplias y diversas.
