Перейти к содержимому
Prof. Dr. Mustafa Özdoğan · Врач-онколог

Может ли обычная фотография помочь прогнозировать выживаемость при раке? Искусственный интеллект FaceAge

Может ли обычная фотография помочь прогнозировать выживаемость при раке? Искусственный интеллект FaceAge
В этой статье

Возраст лица: система глубокого обучения в диагностике рака

8 мая 2025 года The Lancet Digital Health опубликовал исследование: система глубокого обучения FaceAge , оценивая биологический возраст по фотографии лица у онкологических пациентов, улучшает прогнозирование выживаемости .

Хотя первое впечатление влияет на клинические решения врача, оно остается субъективным и дает лишь приблизительное представление о биологическом возрасте . Была необходима качественная и стандартизированная мера. FaceAge стремится заполнить пробел количественным возрастом лица, полученным по единственной фотографии .

Кратко: На фотографиях пациенты с раком выглядят в среднем примерно на 5 лет старше людей без рака. Возраст лица в разных группах опухолей независимо связан с выживаемостью. В паллиативной помощи использование ИИ улучшает точность врачебных прогнозов примерно на 6% — с 74% до 80%.

📷 Фотография, возраст лица и клинические решения

FaceAge оценивает возраст по фотографии, снятой обычной веб-камерой или телефоном , добавляя к субъективной оценке функционального состояния врачом объективный уровень. Пациенты, чей возраст лица моложе хронологического , обычно имеют после лечения лучшие исходы .

🧠 Как обучали модель?

  • Обучение: IMDb–Wiki из базы использовали 56304 изображения лиц.
  • Техническая проверка: UTKFace из набора использовали 2547 изображений.

🏥 Клиническое испытание — США и Нидерланды

  • Всего: 6196 онкологических пациентов — фотографии при начале облучения.
  • Референсная группа: Когорта без рака — 535 человек.
  • Анализ: Каплан—Мейер, регрессия Кокса, многофакторные поправки.

Алгоритм FaceAge: анализ выживаемости при раке по фотографии лица с искусственным интеллектом

Описание изображения: FaceAge с помощью глубокого обучения оценивает биологический возраст по фотографии и исследует прогнозирование выживаемости при раке. Сравнивали поисковые данные 58851 здорового человека с клиническими данными 6196 пациентов с раком. Более старый вид лица может быть связан с худшей выживаемостью.


📊 Результаты исследования — основные числа

Сравнение FaceAge с хронологическим возрастом и выживаемостью

Описание изображения: Поддерживаемый искусственным интеллектом алгоритм FaceAge оценен как мощный инструмент прогноза выживаемости через определение биологического возраста по лицу онкологического пациента. Выделены три основные группы:

  • Зеленая группа: Лицо моложе хронологического возраста — медиана выживаемости 40 месяцев.
  • Синяя группа: Возраст лица равен хронологическому — референсная группа; медиана выживаемости 28 месяцев.
  • Красная группа: Лицо выглядит старше фактического возраста — медиана выживаемости всего 18 месяцев.

Анализ отношения рисков (HR) тоже подтвердил различие. При более молодом лице наблюдался меньший риск, при более старом — больший риск . Черная линия представляет значения HR.


🔹 Разница возраста: При анализе лица пациенты с раком выглядели в среднем на 4,7 года старше здоровых ровесников (P<0,0001).

🔹 Связь с выживаемостью — FaceAge ↑ → риск ↑:

  • Все виды рака вместе: Риск смерти: увеличение на 15% (HR 1,151; P=0,013)
  • Торакальные опухоли — легкое/грудная клетка: Риск смерти: увеличение на 11% (HR 1,117; P=0,021)
  • Пациенты паллиативной помощи: Риск смерти: увеличение на 11% (HR 1,117; P=0,021)

🔹 Клиническая польза: Точность врачебного прогноза выживаемости через 6 месяцев в паллиативной помощи выросла с 74% до 80% . Это абсолютное улучшение на 6% (P<0,0001).

👉 Итого: Более старый вид лица связан с худшим прогнозом при раке. FaceAge улавливает сигнал биологического старения и заметно улучшает прогнозы врачей.

🧬 Молекулярный анализ

CDK6 — циклин-зависимая киназа 6 — фермент, регулирующий клеточный цикл и играющий ключевую роль в размножении и старении клеток. В исследовании выявлена обратная связь FaceAge с экспрессией CDK6 :

  • У пациентов с более старым видом лица уровни CDK6 были низкими .
  • Это предполагает ускоренное клеточное старение.

Что это означает?

  • Возраст лица может быть не только эстетической мерой, но и молекулярным биомаркером старения .
  • Хронологический возраст → количество календарных лет.
  • Молекулярный возраст → степень «старения» клеток, генов и белков.
  • FaceAge → может улавливать внешнее проявление молекулярного старения — признаки на лице.

Следовательно, оцененный FaceAge возраст лица и отрицательная корреляция с уровнем CDK6 показывают значимость ИИ-анализа лица не только клинически, но и на биологическом и молекулярном уровнях.

📌 Кратко: методология и эффект

Компонент Суть
Обучающие данные IMDb–Wiki — 56304 изображения → техническая проверка UTKFace — 2547
Клиническая когорта Всего 6196 пациентов с раком; референс — 535 человек без рака
Основной результат Возраст лица ↑ → хуже выживаемость; в паллиативной помощи AUC 0,74 → 0,80
Молекулярные результаты Обратная связь с CDK6; значимой связи с хронологическим возрастом нет после множественных поправок

🔍 Клиническое значение

  1. Объективизация: К субъективному первому впечатлению врача добавляется стандартная метрика .
  2. Улучшение стратификации: Независимая прогностическая информация в разных группах рака.
  3. Поддержка решений: Повышает точность прогнозов, особенно при паллиативном планировании лечения.

⚠️ Ограничения и этические вопросы

  • Смещения обучающей выборки: Преобладание знаменитостей в IMDb–Wiki и возможные косметические/цифровые изменения.
  • Обобщаемость: Нужна проверка в более крупных и разнообразных клинических когортах.
  • Риск злоупотреблений: Ненадлежащее использование возраста лица в страховании и других областях требует нормативной базы .

📝 Заключение

FaceAge способен по доступной фотографии лица создавать клинически значимый биомаркер. После более широкой многоцентровой проверки его можно безопасно включать в клинические процессы поддержки решений .

Источники

FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study
Bontempi, Dennis et al.
The Lancet Digital Health, Volume 7, Issue 6, 100870
ИИ DROZDOGAN

Разберём эту статью вместе

Задавайте вопросы о статье и читайте ответы вместе с опубликованными материалами нашего сайта.

ИИ DROZDOGAN

Ассистент Drozdogan

Может ли обычная фотография помочь прогнозировать выживаемость при раке? Искусственный интеллект FaceAge

Задавайте вопросы о статье и читайте ответы вместе с опубликованными материалами нашего сайта.

Информация о чате и конфиденциальности

На вопросы отвечает ассистент Drozdogan. Уполномоченные администраторы сайта могут проверять беседу для контроля качества. Не сообщайте личные данные.

Для подготовки ответов используется инфраструктура OpenAI. Вопросы и ответы обрабатываются этим сервисом; записи бесед хранятся на нашем сайте. Не сообщайте идентификационные, контактные данные или личные сведения о здоровье.

0 / 1000

Только общая информация, без личного диагноза или назначения лечения.

Статьи по теме

Другие статьи, посвящённые этой теме.

Будьте в курсе

Получайте новые статьи и научные новости по электронной почте.

Google Analytics работает на общедоступных страницах независимо от этого окна и может использовать аналитические cookie. Ваш выбор здесь управляет только внешними сервисами.

Политика файлов cookie