Un modelo de inteligencia artificial (IA) fue entrenado con más de 40 millones de imágenes faciales para poder estimar dos cosas: la edad de una persona y la probabilidad de sobrevivencia que tiene una persona con cáncer. En ambas tareas, la IA tiene un muy buen desempeño, y al combinarlas mejora aun más la certeza de sus predicciones.
«En la facultad de medicina nos enseñan a entrar en una habitación, observar al paciente y realizar una valoración: formarnos una impresión de cuán sano, frágil o enfermo está», le dijo a la revista Scientific American Raymond Mak, oncólogo radioterápico en el Mass General Brigham Cancer Institute y uno de los autores del estudio que se publicó este lunes en Lancet Digital Health.
Sin embargo, esta estimación —que puede ayudar a determinar qué tratamiento recibe el paciente entre cirugía, quimioterapia o radioterapia si se trata de cáncer— «se trata, en realidad, de una valoración subjetiva», explicó Mak.
Así que, en el programa de Inteligencia Artificial en Medicina (AIM) del hospital Mass General Brigham, «nuestro objetivo es lograr que la evaluación de la salud basada en fotografías faciales sea más cuantitativa, coherente y escalable», explica el investigador en un comunicado del propio hospital.
Mak aclara que los modelos de IA entrenados son para servir de apoyo «para la toma de decisiones sobre tratamientos personalizados, sin pretender sustituir el criterio médico».
Inteligencia artificial y reconocimiento en salud
El modelo recibe el nombre de FAHR-Face (por la sigla en inglés Fundamentos de IA para el Reconocimiento en Salud y la palabra «cara»), y a partir de él crearon dos herramientas complementarias:
FAHR-FaceAge, que estima la edad biológica de un paciente con mayor precisión que los algoritmos anteriores, y FAHR-FaceSurvival, que predice directamente los resultados de sobrevivencia en pacientes con cáncer a partir de una fotografía facial.
«Es la primera vez que se demuestra que un modelo de inteligencia artificial puede predecir la sobrevivencia al cáncer directamente a partir de una simple fotografía», dice Hugo Aerts, director de AIM en el comunicado.
Aunque las dos herramientas provienen del mismo modelo base, captan información distinta y complementaria sobre el paciente: FAHR-FaceAge se centra en los pliegues nasolabiales, la zona de la frente situada justo encima de las órbitas oculares y las sienes; por su parte, FAHR-FaceSurvival evalúa la región bajo los ojos y el área que rodea el puente nasal.
Epílogo de estilo de vida
A partir de los datos, el equipo de investigación también descubrió que ciertos factores del estilo de vida influyen en el envejecimiento facial. Por ejemplo, el consumo excesivo de alcohol, el uso de drogas y el tabaquismo se asociaron con una mayor edad biológica aparente.
El tabaquismo mostró la correlación más marcada: los fumadores actuales aparentan más edad que los exfumadores, y estos, a su vez, parecen mayores que las personas que nunca han fumado.
«Otro hallazgo sorprendente fue la gran consistencia de FAHR-FaceAge ante las variaciones habituales en las fotografías, como la postura, la iluminación, la expresión facial o el maquillaje», destaca Mak en el comunicado.
La imagen izquierda muestra en amarillo los rasgos más relevantes para las predicciones de supervivencia al cáncer; la de la derecha, los relevantes para estimarla edad. Crédito: Mass General Brigham/Lancet Digital Health
«Asimismo, el modelo se mostró estable frente a la mayoría de los procedimientos de cirugía estética analizados; solo se observó una ligera variación tras una rinoplastia».
Discussion about this post