آیا یک عکس ساده به پیش‌بینی بقای سرطان کمک می‌کند؟ هوش مصنوعی FaceAge
در این مقاله
FaceAge: سامانه یادگیری عمیق در تشخیص سرطان
این مطالعه در 8 مه 2025، در The Lancet Digital Healthمنتشر شد و نشان داد سامانه یادگیری عمیق FaceAge می‌تواند سن زیستی را از عکس چهره پیش‌بینی کند و پیش‌بینی بقا در بیماران سرطان را بهبود دهد.
در بالین، «برداشت نخست» از بیمار ممکن است بر تصمیم پزشک اثر بگذارد، اما ذهنی است و فقط برآوردی تقریبی از سن زیستیمی‌دهد. به سنجه‌ای کمی و استاندارد نیاز بود. FaceAge می‌کوشد با تولید «سن چهره» اندازه‌پذیر از یک عکس چهره این خلأ را پر کند.
خلاصه: بیماران سرطان در مقایسه با افراد بدون سرطان، به‌طور متوسط حدود 5 سال مسن‌تر در عکس چهره دیده می‌شوند. سن چهره به‌طور مستقل در گروه‌های مختلف سرطانبا بقا ارتباط دارد. استفاده از هوش مصنوعی در مراقبت تسکینی، دقت پیش‌بینی بقای پزشکان را حدود 6%بهبود می‌دهد. یعنی با حمایت هوش مصنوعی، دقت پیش‌بینی از 74% به 80% می‌رسد.
📷 تصمیم‌گیری بالینی با عکس و سن چهره
FaceAge از عکس چهره گرفته‌شده با وب‌کم یا تلفن هوشمند استاندارد،سن را پیش‌بینی می‌کند و لایه‌ای عینی به ارزیابی ذهنی عملکرد بیمار توسط پزشک می‌افزاید. بیمارانی که سن چهره‌شان از سن تقویمی جوان‌تر است، پس از درمان معمولاً پیامدهای بهتری دارند.
🧠 مدل چگونه آموزش دید؟
- آموزش: مجموعه داده IMDb–Wiki شامل 56,304 تصویر چهره.
- اعتبارسنجی فنی: مجموعه داده UTKFace شامل 2,547 تصویر.
🏥 آزمون بالینی در آمریکا و هلند
- کل: 6,196 بیمار سرطان؛ عکس چهره در آغاز پرتودرمانی گرفته شد.
- مرجع: گروهی شامل 535 فرد بدون سرطان.
- تحلیل: کاپلان–مایر و رگرسیون کاکس؛ تعدیل چندمتغیره انجام شد.
توضیح تصویر: الگوریتم FaceAge با یادگیری عمیق، سن زیستی را از عکس چهره پیش‌بینی و بقای بیماران سرطان را ارزیابی می‌کند. مطالعه، داده اکتشافی 58,851 فرد سالم را با داده بالینی 6,196 بیمار سرطان مقایسه کرد. یافته‌ها نشان می‌دهند مسن‌تر دیده شدن نسبت به سن تقویمی، با بقای نامطلوب‌تر ارتباط دارد.
📊 نتایج؛ اعداد اصلی
📊 شکل: رابطه FaceAge و بقا
A؛ منحنی‌های کاپلان–مایر: بیماران بر پایه سن چهره پیش‌بینی‌شده هوش مصنوعی، FaceAge، طبقه‌بندی می‌شوند. گروه‌های FaceAge بالاتر، بقای به‌وضوح کوتاه‌تری دارند ؛ آزمون لگ‌رنک p < 0.0001. برای مثال، گروه FaceAge >85 سال نسبت به گروه ≤65 سال، بقای 7 ساله بسیار نامطلوب‌تری دارد.
B؛ تحلیل تک‌متغیره و چندمتغیره: گروه مرجع FaceAge ≤65 سال است.
- در تحلیل تک‌متغیره، در گروه FaceAge >85 سال، خطر مرگ 2.857 برابر بالاتر است؛ HR 2.857 و p<0.0001.
- در تحلیل چندمتغیره، با تعدیل سن، جنس و گروه تومور، خطر همچنان 1.468 برابر است؛ HR 1.468 و p=0.0059.
C؛ تحلیل زیرگروه‌ها: ارزش پیش‌آگهی FaceAge در انواع سرطان:
- سرطان پستان؛ n=1337: به‌ازای هر دهه افزایش FaceAge ← HR 1.854 ؛ p<0.0001.
- سرطان‌های گوارشی؛ n=1003: HR 1.409 ؛ p<0.0001.
- سرطان‌های ادراری‌تناسلی؛ n=843: قوی‌ترین ارتباط؛ HR 2.138 ؛ p<0.0001.
- سرطان ریه؛ n=737: HR 1.243 ؛ p<0.0001.
🔹 تفاوت سن: در مقایسه با افراد سالم هم‌سن، بیماران سرطان به‌طور متوسط 4.7 سال مسن‌تر دیده شدند (P<0.0001).
🔹 رابطه بقا؛ FaceAge ↑ ← خطر ↑:
- همه انواع سرطان در مجموع: 15% خطر مرگ بیشتر HR 1.151؛ P=0.013
- سرطان‌های قفسه سینه: 11% خطر بیشتر HR 1.117؛ P=0.021
- بیماران مراقبت تسکینی: 11% خطر بیشتر HR 1.117؛ P=0.021
🔹 فایده بالینی: در مراقبت تسکینی، دقت پیش‌بینی بقای 6 ماهه پزشکان از 74% به 80%رسید؛ یعنی 6% بهبود مطلق ؛ P<0.0001.
👉 به‌اختصار: مسن‌تر دیده شدن نسبت به سن واقعی، با پیش‌آگهی نامطلوب‌تر سرطان ارتباط دارد. الگوریتم FaceAge با ثبت این نشانه پیری زیستی، توان پزشکان برای پیش‌بینی بقا را به‌طور معناداری تقویت می‌کند.
🧬 تحلیل مولکولی
CDK6؛ کیناز وابسته به سیکلین 6 آنزیمی حیاتی در تنظیم چرخه سلول است و در تکثیر و سازوکارهای پیری نقش مهمی دارد. مطالعه این یافته‌ها را برجسته کرد:
- همبستگی منفی میان FaceAge و بیان CDK6: بیمارانی که از سن تقویمی مسن‌تر دیده می‌شدند، سطح CDK6 پایین‌تری داشتند.
- سن تقویمی پس از اصلاح‌های آماری متعدد، همبستگی معناداری با CDK6 نشان نداد.
این یعنی چه؟
- سطح پایین‌تر CDK6 ممکن است نشانه کاهش بازسازی سلولی و شتاب گرفتن پیری زیستی باشد.
- بنابراین، چهره مسن‌تر ممکن است فقط مسئله ظاهری نباشد، بلکه بازتاب پیری سلولی و مولکولی زمینه‌ای باشد.
- سن تقویمی همیشه پیری زیستی واقعی را نشان نمی‌دهد؛ اما FaceAge ممکن است این فاصله را آشکار کند.
به‌اختصار، رابطه معکوس FaceAge و بیان CDK6 از این نظر حمایت می‌کند که پیش‌بینی سن چهره با هوش مصنوعی شاید علاوه بر فرایندهای بالینی، پیری زیستی و مولکولی را نیز ثبت کند.
📌 نگاه سریع: روش و اثر
| جزء | خلاصه |
|---|---|
| داده آموزش | IMDb–Wiki؛ 56,304 تصویر ← اعتبارسنجی فنی UTKFace؛ 2,547 |
| گروه بالینی | کل 6,196 بیمار سرطان؛ گروه مرجع 535 فرد بدون سرطان |
| پیامد اصلی | سن چهره ↑ ← بقای نامطلوب‌تر؛ در مراقبت تسکینی AUC از 0.74 به 0.80 بهبود یافت |
| یافته مولکولی | همبستگی معکوس با CDK6 و نبود ارتباط معنادار با سن تقویمی ← سن چهره ممکن است نشانگر مولکولی پیری باشد |
🔍 اهمیت بالینی
- عینی‌سازی: به برداشت ذهنی نخست پزشک، سنجه‌ای استاندارد افزوده می‌شود
- بهبود طبقه‌بندی: اطلاعات مستقل پیش‌آگهی در چندین گروه سرطان فراهم می‌کند.
- پشتیبانی تصمیم: عملکرد پیش‌بینی را به‌ویژه در برنامه‌ریزی مراقبت تسکینی بهبود می‌دهد.
⚠️ محدودیت‌ها و نگرانی اخلاقی
- سوگیری آموزش: حضور بیش‌ازحد افراد مشهور در IMDb–Wiki و احتمال تغییرات زیبایی یا دیجیتال.
- تعمیم‌پذیری: به اعتبارسنجی در گروه‌های بالینی گسترده‌تر و متنوع‌تر نیاز دارد.
- خطر سوءاستفاده: امکان استفاده نامناسب از سن چهره در حوزه‌هایی مانند بیمه وجود دارد؛ نیازمند چارچوب مقرراتی است.
📝 نتیجه‌گیری
FaceAge ظرفیت آن را دارد که نشانگر زیستی مهم از نظر بالینی را از عکسی به‌آسانی در دسترس از چهره تولید کند. با اعتبارسنجی گسترده‌تر و چندمرکزی می‌توان آن را به‌صورت ایمن وارد گردش کار پشتیبانی تصمیم بالینی کرد.
منابع
Bontempi, Dennis et al.
The Lancet Digital Health, Volume 7, Issue 6, 100870
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.