الملخص:
طوّر باحثون أمريكيون جيلًا جديدًا من نماذج التعرف على صحة الوجه التي يمكنها تقدير العمر البيولوجي للمريض بناءً على ملامح الوجه وتقييم خطر الوفاة بشكل مباشر. وتظهر نتائج الدراسة أن صور الوجه هذه تحتوي على معلومات تتعلق بتشخيص مرضى السرطان، والتي قد تساعد الأطباء في المستقبل على تقييم الحالة البدنية للمريض بشكل أكثر شمولاً وتوفير مرجع لصياغة خطط العلاج.
تم تطوير نموذج الذكاء الاصطناعي الأساسي هذا المسمى FAHR-Face بواسطة فريق بحث في Mass General Brigham، وهي مؤسسة طبية شاملة في ماساتشوستس بالولايات المتحدة الأمريكية، وتم تدريبه باستخدام أكثر من 40 مليون صورة وجه لمختلف الأعمار والمجموعات العرقية. وبناء على ذلك، قام الباحثون بتطوير أداتي تحليل متكاملتين: FAHR-FaceAge و FAHR-FaceSurvival. يقوم الأول بتقدير العمر البيولوجي للشخص ويستخدم هذه المعلومات للمساعدة في تقييم تشخيص السرطان؛ ويتنبأ الأخير بخطر بقاء مريض السرطان على قيد الحياة مباشرة من صور الوجه، بدلا من تقدير العمر ثم استنتاج النتائج بشكل غير مباشر.
قام فريق البحث بتدريب النموذج باستخدام الصور السريرية لمرضى السرطان ونتائجهم الطبية اللاحقة. ومن بينها، استخدمت FAHR-FaceSurvival 34,363 صورة لوجوه مرضى السرطان للتدريب المستهدف وتم التحقق منها في مجموعة بيانات مستقلة للمرضى. وبهذه الطريقة، يأمل الباحثون في السماح للذكاء الاصطناعي بتحديد الإشارات من صور الوجه المتعلقة بالحالة الجسدية للمرضى ونتائج بقائهم على قيد الحياة.
تظهر نتائج الأبحاث أن FAHR-FaceSurvival يتمتع بقدرة قوية على التمييز بين المخاطر. وفقًا لنتائج التنبؤ النموذجي، توفي حوالي نصف المرضى الذين كانوا في أعلى نطاق خطر للوفاة بنسبة 10٪ في غضون 90 يومًا؛ بينما كانت نسبة المرضى في نطاق الخطر الأدنى 10% حوالي 2%. إذا تمت مقارنتها وفقًا للشرائح الربعية، فإن خطر الوفاة في المجموعة الأكثر تعرضًا للخطر كان أيضًا أعلى بكثير من خطر الوفاة في المجموعة الأقل خطورة، مع نسبة خطر معدلة تبلغ 3.23.
وجد الباحثون أيضًا أن الفجوة بين العمر البيولوجي الذي يقدره الذكاء الاصطناعي والعمر الفعلي ترتبط أيضًا بنتائج بقاء مرضى السرطان على قيد الحياة. ومن بين المرضى الذين تلقوا العلاج الإشعاعي، كان أولئك الذين بدت وجوههم أكبر بخمس سنوات على الأقل من عمرهم الفعلي أكثر عرضة للوفاة بنسبة 21% خلال متابعة متوسطة تبلغ حوالي أربع سنوات. أولئك الذين بدت وجوههم أصغر بخمس سنوات على الأقل من أعمارهم الفعلية كانوا أقل عرضة للوفاة بنسبة 17%.
وهذا لا يعني أن الشخص الذي يبدو أصغر سنا هو بالضرورة أفضل في مكافحة السرطان. العمر البيولوجي في الدراسة هو مقياس يتم تقديره بواسطة الذكاء الاصطناعي بناءً على المظهر وليس مقياسًا مباشرًا لشيخوخة الخلايا أو وظيفة الأعضاء أو حالة الجهاز المناعي. من المحتمل أنه يعكس مزيجًا من مجهود الجسم، وتغيرات العضلات والأنسجة الرخوة، وعوامل أخرى مرتبطة بالصحة، ولكن ما هي الإشارات الفسيولوجية المحددة التي يحددها النموذج لا تزال غير مفهومة تمامًا.
من خلال تحليل منطقة الانتباه في النموذج، وجد الباحثون أن مواقع الوجه التي ركزت عليها الأداتان كانت مختلفة. يقوم FAHR-FaceAge بتحليل الطيات الأنفية الشفوية بشكل رئيسي من الأنف إلى زوايا الفم والجبهة ومنطقة الصدغ. يركز FAHR-FaceSurvival بشكل أكبر على منطقة تحت العينين وحول جسر الأنف. يشير هذا إلى أن التنبؤ بالعمر البيولوجي والتنبؤ بمخاطر البقاء على قيد الحياة قد يعتمد على معلومات الوجه المختلفة.
يعتقد فريق البحث أن هذه التكنولوجيا قد تساعد الأطباء في المستقبل على تقييم الاحتياطي الجسدي للمريض وضعفه بشكل أفضل قبل اتخاذ قرار باستخدام الجراحة أو العلاج الإشعاعي أو العلاج الدوائي النظامي. بالنسبة للمرضى الأكبر سنًا، أو الذين يعانون من حالات طبية معقدة، أو يفتقرون إلى بيانات المؤشرات الحيوية التقليدية الكاملة، من المتوقع أن يصبح تحليل صور الوجه طريقة تقييم مساعدة منخفضة التكلفة وسهلة التشغيل.
كما وجدت الدراسة أن هناك علاقة بين نمط الحياة والعمر البيولوجي للوجه، حيث يعتبر التدخين هو الرابط الأبرز وظهور الوجوه أكبر سنا. ويرتبط الاستهلاك المفرط للكحول وتعاطي المخدرات أيضًا بظواهر مماثلة. وقال الباحثون أيضًا إن FAHR-FaceAge أظهر استقرارًا معينًا في ظل زوايا التصوير والإضاءة والتعبيرات وظروف الماكياج المختلفة، وحافظ على نتائج تقدير مستقرة نسبيًا بعد اختبار معظم العمليات الجراحية التجميلية، لكن جراحة تجميل الأنف ستحدث تغييرات أصغر.
ومع ذلك، يؤكد الباحثون والخبراء الخارجيون على أن التكنولوجيا لا يمكنها حتى الآن أن تحل محل حكم الطبيب بشكل مباشر. إن دقة تنبؤات النموذج لا تعني تلقائيًا أنه يحسن نتائج العلاج الفعلية. لا تزال الأبحاث المستقبلية بحاجة إلى تأكيد ما إذا كانت إضافة نتائج تحليل الوجه إلى التاريخ الطبي وبيانات الفحص والتقييم البدني المعروفة بالفعل من قبل الأطباء يمكن أن تزيد من تحسين دقة التنبؤ وتساعد المرضى حقًا على تحقيق نتائج علاج أفضل.
بالإضافة إلى ذلك، فإن مجموعات المرضى المستخدمة للتدريب النموذجي هي في الأساس من البلدان ذات الدخل المرتفع. لا تزال كيفية التأكد من أنها مناسبة لمختلف المجموعات العرقية والفئات العمرية والبيئات الطبية مشكلة مهمة. ونظرًا لأن ملامح الوجه يمكن أن تكون مرتبطة بالخلفية العرقية والحالات الطبية الموجودة مسبقًا، فقد يرث الذكاء الاصطناعي أيضًا تحيزات في بيانات التدريب. ولذلك، هناك حاجة إلى المزيد من التحقق المستقل الشامل والدراسات السريرية المرتقبة قبل التطبيق على نطاق واسع.
تم نشر نتائج الأبحاث ذات الصلة في "The Lancet Digital Health". ويأمل فريق البحث أن يتم في المستقبل استخلاص المزيد من المؤشرات الصحية القابلة للقياس الكمي من صورة عادية، بحيث يصبح تحليل الوجه أداة تكميلية لتقييم المخاطر السريرية، بدلاً من تحديد فرص علاج المريض بناءً على المظهر وحده.
التعليقات