آیا یک عکس ساده به پیش‌بینی بقای سرطان کمک می‌کند؟ هوش مصنوعی FaceAge

توضیح تصویر: الگوریتم مبتنی بر هوش مصنوعی FaceAge با تخمین سن زیستی از عکس چهره بیماران سرطان، ابزاری قوی برای پیش‌بینی مدت بقا ارزیابی شد. در تحلیل‌ها سه گروه اصلی شناسایی شدند:

• گروه سبز: بیمارانی که چهره‌شان از سن تقویمی جوان‌تر است؛ میانه بقا 40 ماه.
• گروه آبی: بیمارانی که سن چهره و تقویمی آن‌ها برابر است، یعنی گروه مرجع؛ میانه بقا 28 ماه.
• گروه قرمز: بیمارانی که چهره‌شان مسن‌تر به‌نظر می‌رسد؛ میانه بقا فقط 18 ماه.

تحلیل نسبت خطر (HR) نیز این تفاوت را تأیید کرد. در افراد جوان‌تر به‌نظررسیده، خطر کمتر و در افراد مسن‌تر به‌نظررسیده، خطر بیشتر دیده شد. خط سیاه نشان‌دهنده این مقادیر HR است.

🔹 تفاوت سن: در تحلیل چهره، بیماران مبتلا به سرطان نسبت به افراد سالم هم‌سن، به‌طور متوسط 4,7 سال مسن‌تر به‌نظر رسیدند (P<0,0001).

🔹 ارتباط با بقا (FaceAge ↑ → خطر ↑):

• همه انواع سرطان با هم: در خطر مرگ، افزایش 15% (HR 1,151; P=0,013)
• در سرطان‌های توراسیک، یعنی ریه/قفسه سینه: در خطر مرگ، افزایش 11% (HR 1,117; P=0,021)
• در بیماران مراقبت تسکینی: در خطر مرگ، افزایش 11% (HR 1,117; P=0,021)

🔹 فایده بالینی: در مراقبت تسکینی، دقت پیش‌بینی بقای 6 ماهه پزشکان از 74% به 80% رسید. این یعنی بهبود مطلق 6% (P<0,0001).

👉 به‌اختصار: مسن‌تر به‌نظررسیدن چهره در سرطان با پیش‌آگهی بدتر مرتبط است. FaceAge با شناسایی این نشانه پیری زیستی، پیش‌بینی بقای پزشکان را به‌طور چشمگیری تقویت می‌کند.

CDK6 (کیناز وابسته به سیکلین 6) آنزیمی تنظیم‌کننده چرخه سلولی است که در تکثیر و پیری سلول نقش مهمی دارد. در مطالعه، رابطه معکوس میان FaceAge و بیان CDK6 پیدا شد:

• در بیمارانی که چهره‌شان مسن‌تر به‌نظر می‌رسید، سطوح پایین CDK6 شناسایی شد.
• این یافته احتمال شتاب‌گرفتن پیری سلولی را مطرح می‌کند.

این چه معنایی دارد؟

• سن چهره فقط معیاری زیبایی‌شناختی نیست؛ ممکن است نشانگر زیستی پیری مولکولی نیز باشد.
• سن تقویمی → تعداد سال‌های تقویم را نشان می‌دهد.
• سن مولکولی → بازتاب میزان «پیری» سلول‌ها، ژن‌ها و پروتئین‌هاست.
• FaceAge → ممکن است نمود بیرونی این پیری مولکولی، یعنی نشانه‌های چهره، را شناسایی کند.

بنابراین، میان سن چهره تخمین‌زده‌شده با FaceAge و سطوح CDK6، همبستگی منفی وجود دارد که نشان می‌دهد تحلیل چهره با هوش مصنوعی افزون بر سطح بالینی، از نظر زیستی و مولکولی نیز معنادار است.

• سوگیری‌های آموزش: غلبه چهره‌های مشهور در IMDb–Wiki و احتمال دست‌کاری زیبایی یا دیجیتال.
• تعمیم‌پذیری: نیاز به اعتبارسنجی با همگروه‌های بالینی بزرگ‌تر و متنوع‌تر وجود دارد.
• خطر سوءاستفاده: کاربرد نامناسب سن چهره در حوزه‌هایی مانند بیمه، چارچوب نظارتی می‌طلبد.