L’età biologica di una persona potrebbe riflettersi nelle sue caratteristiche facciali. I ricercatori del Massachusetts General Brigham hanno sviluppato un algoritmo di deep learning, chiamato FaceAge che utilizza una foto del volto di una persona per predire l’età biologica e la sopravvivenza dei pazienti oncologici.
Hanno scoperto che i pazienti oncologici, in media, avevano un FaceAge più alto rispetto a quelli senza cancro e apparivano circa cinque anni più vecchi della loro età cronologica. Le previsioni di FaceAge più vecchie erano associate a peggiori esiti di sopravvivenza globale in diversi tipi di cancro. Hanno anche scoperto che FaceAge ha superato i medici nel predire l’aspettativa di vita a breve termine dei pazienti sottoposti a radioterapia palliativa. I loro risultati sono pubblicati su The Lancet Digital Health .
“Possiamo usare l’intelligenza artificiale (IA) per stimare l’età biologica di una persona a partire dalle immagini del viso, e il nostro studio dimostra che le informazioni possono essere clinicamente significative- il co-autore senior e autore Hugo Aerts, direttore del programma di Intelligenza Artificiale in Medicina (AIM) presso il Mass General Brigham- Questo lavoro dimostra che una foto come un semplice selfie contiene informazioni importanti che potrebbero contribuire a orientare il processo decisionale clinico e i piani di cura per pazienti e medici. L’età apparente di una persona rispetto alla sua età cronologica è davvero importante: le persone con FaceAge più giovani della loro età cronologica ottengono risultati significativamente migliori dopo la terapia contro il cancro”.
Quando i pazienti entrano in sala visita, il loro aspetto può fornire ai medici indizi sulla loro salute e vitalità generale. Queste valutazioni intuitive, combinate con l’età cronologica del paziente, oltre a molte altre misure biologiche, possono aiutare a determinare il percorso terapeutico migliore. Tuttavia, come chiunque altro, i medici possono avere pregiudizi sull’età di una persona che possono influenzarli, alimentando la necessità di misure più oggettive e predittive per informare le decisioni di cura.
Con questo obiettivo, i ricercatori del Massachusetts General Brigham hanno sfruttato tecnologie di deep learning e riconoscimento facciale per addestrare FaceAge. Lo strumento è stato addestrato su 58.851 foto di individui presumibilmente sani, provenienti da dataset pubblici. Il team ha testato l’algoritmo su una coorte di 6.196 pazienti oncologici provenienti da due centri, utilizzando fotografie scattate di routine all’inizio del trattamento radioterapico. I risultati hanno mostrato che i pazienti oncologici appaiono significativamente più anziani rispetto a quelli senza tumore, e il loro FaceAge, in media, era di circa cinque anni più vecchio rispetto alla loro età cronologica. Nella coorte di pazienti oncologici, un FaceAge più anziano era associato a esiti di sopravvivenza peggiori, soprattutto negli individui che apparivano di età superiore a 85 anni, anche dopo aver corretto per età cronologica, sesso e tipo di tumore.
La stima della durata di sopravvivenza alla fine della vita è difficile da definire ma ha importanti implicazioni terapeutiche nella cura del cancro. Il team ha chiesto a 10 medici e ricercatori di prevedere l’aspettativa di vita a breve termine a partire da 100 foto di pazienti sottoposti a radioterapia palliativa. Sebbene le loro prestazioni presentassero un’ampia variabilità, nel complesso le previsioni dei medici erano solo leggermente migliori del lancio di una moneta, anche dopo aver fornito loro un contesto clinico, come l’età cronologica del paziente e lo stato del tumore. Tuttavia, quando ai medici sono state fornite anche le informazioni sul FaceAge del paziente, le loro previsioni sono migliorate significativamente.
Sono necessarie ulteriori ricerche prima che questa tecnologia possa essere considerata per l’utilizzo in un contesto clinico reale. Il team di ricerca sta testando questa tecnologia per prevedere malattie, stato di salute generale e durata della vita. Gli studi di follow-up includono l’estensione di questo lavoro a diversi ospedali, l’analisi di pazienti in diverse fasi del cancro, il monitoraggio delle stime di FaceAge nel tempo e la verifica della sua accuratezza rispetto a set di dati di chirurgia plastica e trucco.
“Questo apre le porte a un mondo completamente nuovo di scoperta di biomarcatori a partire da fotografie, e il suo potenziale va ben oltre la cura del cancro o la previsione dell’età- aggiunge il coautore senior Ray Makì, membro della facoltà del programma AIM presso il Mass General Brigham. -Poiché consideriamo sempre più diverse malattie croniche come malattie dell’invecchiamento, diventa ancora più importante essere in grado di prevedere con precisione il percorso di invecchiamento di un individuo. Spero che in futuro potremo utilizzare questa tecnologia come sistema di diagnosi precoce in una varietà di applicazioni, all’interno di un solido quadro normativo ed etico, per contribuire a salvare vite umane”.
Antonio Caperna
Disclosures: Mass General Brigham has filed provisional patents on two next-generation facial health algorithms.
Funding: This project received financial support from the National Institutes of Health (HA: NIH-USA U24CA194354, NIH-USA U01CA190234, NIH-USA U01CA209414, and NIH-USA R35CA22052; BHK: NIH-USA K08DE030216-01), and the European Union – European Research Council (HA: 866504).
Paper cited: Bontempi, et al. “Decoding biological age from face photographs using deep learning.” The Lancet Digital Health, DOI: 10.1016/j.landig.2025.03.002