از سن زیستی تا پیش‌بینی بقا؛ وقتی چهره به ابزار تشخیص پزشکی تبدیل می‌شود

سن زیستی به سنی گفته می‌شود که فرد بر اساس ظاهر و وضعیت بدنش دارد، نه سن واقعی‌اش که بر پایه تاریخ تولد محاسبه می‌شود. این مفهوم نشان می‌دهد که دو فرد که از نظر تقویمی هم‌سن هستند، می‌توانند از نظر سلامت و پیری زیستی وضعیت متفاوتی داشته باشند. پزشکان با تکیه بر همین دیدگاه و با استفاده از فناوری هوش مصنوعی، دو ابزار مکمل ساخته‌اند که هر کدام زاویه متفاوتی از سلامت فرد را بررسی می‌کنند.

دو ابزار مکمل برای ارزیابی سلامت از چهره

ابزار نخست فار-فِیس‌اِیج (FAHR-FaceAge) نام دارد و سن زیستی بیمار را تخمین می‌زند و بر همان اساس شانس بقای او را پیش‌بینی می‌کند. ابزار دوم فار-فِیس‌سِروایوِل (FAHR-FaceSurvival) است که شانس بقا را مستقیماً از عکس چهره پیش‌بینی می‌کند، نه از طریق سن زیستی. نام فار(FAHR) یک سرواژه است که از حروف اول عبارت ارزیابی سلامت و خطر بر اساس چهره (Face-based Assessment of Health and Risk) ساخته شده و هر دو ابزار در چارچوب یک سامانه واحد طراحی شده‌اند.

اطلاعات متفاوت از یک مدل واحد

نکته مهم این است که هرچند هر دو ابزار از یک مدل واحد ساخته شده‌اند، اما اطلاعات متفاوت و مکملی درباره سلامت بیمار ارائه می‌دهند؛ به بیان دیگر، آن‌ها یکدیگر را تکرار نمی‌کنند، بلکه هر کدام بخشی از تصویر سلامت فرد را روشن می‌سازند. این ویژگی باعث می‌شود ترکیب این دو ابزار بتواند دید کامل‌تری از وضعیت بیمار به پزشک بدهد.

تمرکز هر الگوریتم بر نواحی متفاوت چهره

هر الگوریتم نیز بر بخش‌های متفاوتی از چهره تکیه می‌کند. فار-فِیس‌اِیج بیشتر بر چین‌های کنار بینی تا گوشه‌های دهان، ناحیه‌ای از پیشانی که کمی بالاتر از ابرو و چشم‌ها است، و شقیقه‌ها تمرکز دارد. این نواحی معمولاً نشانه‌های آشکارتری از پیری ظاهری و فرسودگی بدن را نشان می‌دهند. در مقابل، فار-فِیس‌سِروایوِل ناحیه زیر چشم‌ها و اطراف پل بینی را بررسی می‌کند. این مناطق می‌توانند نشانه‌های ظریف‌تری از وضعیت سلامت و خطر مرگ را در خود داشته باشند. این تفاوت در تمرکز نشان می‌دهد که هر ابزار چگونه اطلاعات متفاوتی را از یک تصویر واحد بیرون می‌کشد.

نگاه نویسنده ارشد مطالعه

هوگو آرتس (Hugo Aerts)، نویسنده ارشد این مطالعه، درباره اهمیت این دستاورد گفت: فار-فِیس‌سِروایوِل حوزه هوش مصنوعی تشخیص سلامت از چهره را یک گام جلوتر می‌برد، چون به‌جای تکیه بر داده‌های پیچیده بالینی، الگوهای مربوط به خطر مرگ را مستقیماً از عکس چهره بیماران سرطانی می‌آموزد.. تا آنجا که می‌دانیم، این نخستین نمونه‌ای است که نشان می‌دهد یک مدل هوش مصنوعی می‌تواند شانس بقای سرطان را مستقیماً از یک عکس ساده پیش‌بینی کند.

چرا این یافته مهم است؟

اهمیت این یافته در آن است که پیش‌بینی شانس بقا معمولاً به آزمایش‌های پیچیده، تصویربرداری تخصصی یا ارزیابی‌های بالینی متعدد نیاز دارد؛ اما این مدل نشان می‌دهد که یک عکس ساده از چهره، اگر درست با هوش مصنوعی تحلیل شود، می‌تواند اطلاعات ارزشمندی درباره سلامت و حتی خطر مرگ در خود داشته باشد. چنین رویکردی می‌تواند در آینده به تشخیص زودهنگام، غربالگری سریع‌تر و تصمیم‌گیری بهتر برای درمان بیماران سرطانی کمک کند.

محدودیت‌ها و نکته‌های مهم

با این حال، باید در نظر داشت که این فناوری هنوز در مرحله پژوهش است. مثل هر ابزار تشخیصی دیگری، باید دقت آن در گروه‌های مختلف جمعیتی بررسی شود، اعتبارسنجی گسترده‌تری انجام گیرد و مسائل اخلاقی مربوط به حریم خصوصی تصاویر چهره هم رعایت شود. همچنین، پیش‌بینی شانس بقا نباید جای ارزیابی کامل پزشکی را بگیرد؛ بلکه می‌تواند ابزاری کمکی در کنار سایر روش‌های تشخیصی باشد.

جمع‌بندی

در مجموع، این مطالعه نشان می‌دهد که چهره انسان می‌تواند آینه‌ای از وضعیت سلامت و پیری زیستی او باشد و هوش مصنوعی می‌تواند این نشانه‌های ظریف را به اطلاعاتی قابل استفاده برای پزشکان تبدیل کند. ترکیب دو ابزار فار-فِیس‌اِیج و فار-فِیس‌سِِروایوِل گامی در جهت استفاده از تصاویر ساده چهره برای ارزیابی سلامت و پیش‌بینی بقای بیماران به‌شمار می‌رود؛ این حوزه با پیشرفت مدل‌های هوش مصنوعی می‌تواند در آینده نقش مهم‌تری در پزشکی شخصی‌سازی‌شده ایفا کند.