Kann ein einfaches Foto helfen, das Überleben bei Krebs vorherzusagen? Die künstliche Intelligenz FaceAge
In diesem Artikel
FaceAge: Ein Deep-Learning-System in der Krebsdiagnostik
Diese am 8. Mai 2025 in The Lancet Digital Healthveröffentlichte Studie zeigt, dass das Deep-Learning-System FaceAge in der Lage ist, das biologische Alter anhand von Gesichtsfotos vorherzusagen und Überlebensprognosen bei Krebspatienten zu verbessern.
In der klinischen Praxis kann der „erste Eindruck“ eines Patienten ärztliche Entscheidungen beeinflussen, bleibt jedoch subjektiv und erlaubt nur eine grobe Schätzung des biologischen Alters. Benötigt wurde ein quantitatives und standardisiertes Maß. FaceAge soll diese Lücke schließen, indem es aus einem einzigen Gesichtsfoto ein messbares „Gesichtsalter“ ermittelt.
Zusammenfassung: Im Vergleich zu Menschen ohne Krebs wirken Krebspatienten auf Gesichtsfotos im Durchschnitt etwa 5 Jahre älter . Das Gesichtsalter hängt in mehreren Krebskohorten unabhängig mit dem Überleben zusammen. Beim Einsatz von KI in der Palliativversorgung verbessert sich die Genauigkeit ärztlicher Überlebensprognosen um etwa 6%. Mit KI-Unterstützung steigt die Vorhersagegenauigkeit also von 74% auf 80%.
📷 Klinische Entscheidungen mit Fotos und Gesichtsalter
FaceAge erstellt eine Altersschätzung anhand eines Gesichtsfotos, das mit einer üblichen Webcam oder einem Smartphoneaufgenommen wurde, und ergänzt die ärztliche Einschätzung um eine objektive Komponente. Patienten, deren Gesichtsalter unter ihrem chronologischen Alter liegt, haben nach der Behandlung tendenziell bessere Ergebnisse zu erwarten.
🧠 Wie wurde das Modell trainiert?
- Training: IMDb–Wiki als Datensatz mit 56,304 Gesichtsbildern.
- Technische Validierung: UTKFace als Datensatz mit 2,547 Bildern.
🏥 Klinische Prüfung (USA und Niederlande)
- Insgesamt: 6,196 Krebspatienten (Gesichtsfotos zu Beginn der Strahlentherapie aufgenommen).
- Referenz: Kohorte mit 535 Menschen ohne Krebs.
- Analyse: Kaplan–Meier, Cox-Regression; multivariable Adjustierungen wurden durchgeführt.
Bildbeschreibung: Der FaceAge-Algorithmus nutzt Deep Learning, um das biologische Alter anhand von Gesichtsfotos vorherzusagen und das Überleben von Krebspatienten einzuschätzen. Die Studie verglich Entdeckungsdaten von 58,851 gesunden Menschen mit klinischen Daten von 6,196 Krebspatienten. Die Ergebnisse legen nahe, dass ein im Vergleich zum chronologischen Alter älteres Aussehen mit einem schlechteren Überleben verbunden ist.
📊 Studienergebnisse (wichtige Zahlen)
📊 Abbildung: Zusammenhang zwischen FaceAge und Überleben
(A) Kaplan–Meier-Kurven: Die Patienten werden nach dem von der KI vorhergesagten Gesichtsalter (FaceAge) eingeteilt. Gruppen mit höherem FaceAge zeigen ein deutlich kürzeres Überleben (Log-Rank-p < 0.0001). Beispielsweise hat die Gruppe mit FaceAge >85 Jahren ein erheblich schlechteres 7-Jahres-Überleben als die Gruppe mit ≤65 Jahren.
(B) Univariate und multivariable Analysen: Die Referenzgruppe hat ein FaceAge von ≤65 Jahren.
- Univariat: In der Gruppe mit FaceAge >85 Jahren ist das Sterberisiko 2.857-mal so hoch (HR 2.857; p<0.0001).
- Multivariabel (adjustiert für Alter, Geschlecht und Tumorgruppe): Das Risiko bleibt 1.468-mal so hoch (HR 1.468; p=0.0059).
(C) Subgruppenanalysen: Prognostischer Wert von FaceAge bei verschiedenen Krebsarten:
- Brustkrebs (n=1337): pro Anstieg von FaceAge um ein Jahrzehnt → HR 1.854 (p<0.0001).
- Gastrointestinale Tumoren (n=1003): HR 1.409 (p<0.0001).
- Urogenitale Tumoren (n=843): stärkster Zusammenhang; HR 2.138 (p<0.0001).
- Lungenkrebs (n=737): HR 1.243 (p<0.0001).
🔹 Altersunterschied: Im Vergleich zu gleichaltrigen gesunden Menschen wirkten Krebspatienten durchschnittlich 4.7 Jahre älter (P<0.0001).
🔹 Zusammenhang mit dem Überleben (FaceAge ↑ → Risiko ↑):
- Alle Krebsarten zusammen: 15% höheres Sterberisiko (HR 1.151; P=0.013)
- Thorakale Tumoren: 11% höheres Risiko (HR 1.117; P=0.021)
- Palliativpatienten: 11% höheres Risiko (HR 1.117; P=0.021)
🔹 Klinischer Nutzen: In der Palliativversorgung stieg die Genauigkeit ärztlicher Prognosen des 6-Monats-Überlebens von 74% auf 80%. Dies entspricht einer absoluten Verbesserung um 6% (P<0.0001).
👉 Zusammengefasst: Ein im Vergleich zum tatsächlichen Alter älteres Aussehen hängt bei Krebs mit einer schlechteren Prognose zusammen. Indem der FaceAge-Algorithmus dieses Signal biologischen Alterns erfasst, verbessert er deutlich die Fähigkeit von Ärzten, das Überleben vorherzusagen.
🧬 Molekulare Analyse
CDK6 (Cyclin-abhängige Kinase 6) ist ein wichtiges Enzym zur Regulation des Zellzyklus und spielt eine wesentliche Rolle bei Zellvermehrung und Alterungsmechanismen. Die Studie hob folgende Ergebnisse hervor:
- Negative Korrelation zwischen FaceAge und CDK6-Expression: Patienten, die älter als ihr chronologisches Alter wirkten, hatten niedrigere CDK6-Werte.
- Das chronologische Alter (Kalenderalter) zeigte nach mehreren statistischen Korrekturen keine signifikante Korrelation mit CDK6.
Was bedeutet das?
- Niedrigere CDK6-Werte können auf eine verringerte zelluläre Regeneration und einen beschleunigten biologischen Alterungsprozess hindeuten.
- Ein älter wirkendes Gesicht könnte somit über einen kosmetischen Aspekt hinaus die zugrunde liegende zelluläre und molekulare Alterung widerspiegeln.
- Das chronologische Alter spiegelt das tatsächliche biologische Altern nicht immer wider; FaceAge kann diese Diskrepanz jedoch sichtbar machen.
Zusammenfassend unterstützt der inverse Zusammenhang zwischen FaceAge und CDK6-Expression die Vorstellung, dass eine KI-basierte Schätzung des Gesichtsalters neben klinischen auch biologische und molekulare Alterungsprozesse erfassen könnte.
📌 Überblick: Methode und Auswirkungen
| Komponente | Zusammenfassung |
|---|---|
| Trainingsdaten | IMDb–Wiki (56,304 Bilder) → technische Validierung mit UTKFace (2,547) |
| Klinische Kohorte | Insgesamt 6,196 Krebspatienten; Referenzgruppe mit 535 Menschen ohne Krebs |
| Hauptergebnis | Gesichtsalter ↑ → schlechteres Überleben; in der Palliativversorgung stieg die AUC von 0.74 auf 0.80 |
| Molekulare Ergebnisse | Inverse Korrelation mit CDK6; kein signifikanter Zusammenhang mit dem chronologischen Alter → Gesichtsalter könnte als molekularer Biomarker des Alterns dienen |
🔍 Klinische Bedeutung
- Objektivierung: Ergänzt den subjektiven ärztlichen Ersteindruck um ein standardisiertes Maß zur Beurteilung des Patienten.
- Verbesserte Stratifizierung: Liefert in mehreren Krebsgruppen unabhängige prognostische Informationen.
- Unterstützung von Entscheidungen: Verbessert die Vorhersageleistung besonders bei der Planung der palliativen Versorgung.
⚠️ Einschränkungen und ethische Bedenken
- Verzerrungen der Trainingsdaten: Überrepräsentation von Prominenten in IMDb–Wiki und mögliche kosmetische oder digitale Veränderungen.
- Übertragbarkeit: Erfordert eine Validierung in größeren klinischen Kohorten mit vielfältigerer Zusammensetzung.
- Missbrauchsrisiko: Mögliche unangemessene Verwendung des Gesichtsalters etwa im Versicherungswesen; dies erfordert einen regulatorischen Rahmen.
📝 Fazit
FaceAge könnte aus einem Gesichtsfoto einen klinisch aussagekräftigen Biomarker gewinnen. Das Foto ist leicht zugänglich . Nach umfassenderen Validierungen in mehreren Zentren kann das System sicher in Abläufe zur klinischen Entscheidungsunterstützung integriert werden.
Quellen
Bontempi, Dennis et al.
The Lancet Digital Health, Volume 7, Issue 6, 100870
War dieser Artikel hilfreich?
Ihre Rückmeldung hilft uns, unsere Inhalte zu verbessern.
Leserkommentare
Kommentar verfassen
Ihr Name und Ihr Kommentar werden erst nach Freigabe durch die Administration veröffentlicht. Ihre E-Mail-Adresse wird Besuchern niemals angezeigt.
Schreiben Sie den ersten Kommentar.