Специалист лучевой терапии у медицинского оборудования. Архивный снимок 2005 года.
Обычный портрет из медицинской карты может содержать больше сведений о состоянии человека, чем кажется. Исследователи Mass General Brigham разработали FAHR-Face — модель ИИ, из которой получили два инструмента: один оценивает возраст по лицу, другой связывает черты внешности с риском смерти у онкологических пациентов. Работа, представленная в октябре в The Lancet Digital Health, показывает, как фотография может стать дополнительным медицинским маркером.
Перед интенсивным лечением врачу важно понять, насколько хорошо организм пациента перенесёт нагрузку. Одинаковый паспортный возраст ещё оставляет место для большой разницы в физическом состоянии. Авторы предлагают исследовать фотографию как ещё один источник такой информации — доступный без специального оборудования и забора анализов.
Что модель увидела в миллионах лиц
Базовую FAHR-Face сначала обучили на более чем 40 млн фотографий из WebFace42M. На этом этапе она осваивала общие особенности изображений лица, а не изучала истории болезни десятков миллионов людей. Затем исследователи отдельно настроили её для разных задач.
FAHR-FaceAge училась оценивать возраст на 743 152 снимках из десяти публичных наборов. В независимом тесте APPA-REAL средняя абсолютная ошибка составила 5,1 года. Это погрешность относительно возраста, указанного в данных. Отклонение между оценкой лица и паспортным возрастом исследователи рассматривают как возможный маркер биологического старения; его связь с физиологическим состоянием ещё предстоит уточнять.
Для FAHR-FaceSurvival использовали другой материал: 34 363 фотографии онкологических пациентов вместе со сведениями об исходах. Так модель училась выделять признаки, связанные непосредственно с выживаемостью. Общая основа у двух инструментов одна, но задачи и обучающие примеры различаются.
Насколько убедителен результат
Согласно опубликованному исследованию, при сопоставлении четверти пациентов с самым высоким расчётным риском и четверти с самым низким отношение рисков смерти составило 3,23. В расчёте учитывались клинические прогностические факторы. Исследователи также проверили модели на независимой группе пациентов.
Авторский репозиторий описывает две клинические когорты: 38 183 человека из Harvard-RT и 4 892 пациента из нидерландской Maastro-RT. Это десятки тысяч пациентов, получавших лучевую терапию.
Результат описывает разницу в риске между группами. Для персонального прогноза нужно понять, насколько точно такая оценка работает у конкретного пациента и как сочетается с его клиническими данными. Кроме того, две модели оказались взаимодополняющими: оценка возраста и оценка выживаемости слабо связаны между собой, а их сочетание улучшало соответствие прогностической модели наблюдаемым данным.
От сигнала к решению о лечении
Анализ выполнен ретроспективно: исследователи сопоставили уже собранные фотографии с известными исходами. Такая работа позволяет обнаружить полезную закономерность. Следующий шаг сложнее — проверить, помогает ли её использование врачу выбирать лечение и улучшает ли оно результаты для пациента.
Это особенно существенно при решениях, где ошибка дорого обходится: кому предложить интенсивную терапию, а кому изменить её план. Для практического применения потребуются проверки вместе с привычными клиническими оценками и на более разнообразных группах людей. Качество снимка и различия между представленными в данных пациентами тоже могут влиять на результат.
Исследовательский инструмент, который ещё предстоит освоить
В официальной карточке модели разработчики прямо указывают исследовательское назначение. Публично доступны базовая модель и оценка возраста; веса модели выживаемости не опубликованы.
Есть и вопрос обращения с данными: портрет остаётся узнаваемой биометрической информацией. Если фотография станет частью медицинского анализа, правила её хранения, доступа и согласия пациента будут столь же важны, как сам алгоритм. Перспектива FAHR-Face — превратить знакомое врачу визуальное впечатление в измеряемый дополнительный сигнал. Его место в лечении определят следующие клинические проверки.
#TECH #AI
@digitaltimeslv