Các nhà khoa học phân tích khuôn mặt bằng AI để dự đoán khả năng sống sót của bệnh nhân ung thư

Thuật toán FaceAge đưa ra dự đoán về tuổi thọ tốt hơn so với một nhóm bác sĩ.

Các nhà khoa học đã sử dụng phân tích trí tuệ nhân tạo khuôn mặt của các bệnh nhân ung thư để dự đoán khả năng sống sót. Trong một số trường hợp, cách làm này vượt trội hơn dự báo tuổi thọ ngắn hạn của các bác sĩ.

Các nhà nghiên cứu đã sử dụng thuật toán học sâu để đo độ tuổi sinh học của các đối tượng. Họ phát hiện ra rằng những đặc điểm của bệnh nhân ung thư trung bình già hơn khoảng 5 tuổi so với tuổi thật.

Công cụ mới, được gọi là FaceAge, là một phần trong nỗ lực tăng cường sử dụng ước tính về quá trình lão hóa ở các cơ quan trong cơ thể như “dấu hiệu sinh học” của nguy cơ mắc bệnh tiềm ẩn. Tiến bộ của AI đã thúc đẩy những nỗ lực này vì nó có khả năng học từ các tập dữ liệu sức khỏe lớn và đưa ra dự đoán rủi ro dựa trên dữ liệu.

Ví dụ về một người có tuổi thời gian là 92 nhưng tuổi FaceAge là 66. Ảnh: FT montage.

Nghiên cứu cho thấy thông tin thu được từ hình ảnh khuôn mặt có thể “có ý nghĩa về mặt lâm sàng”, theo Hugo Aerts, đồng tác giả của bài nghiên cứu được công bố trên Lancet Digital Health vào tuần trước.

“Nghiên cứu này chứng minh rằng một bức ảnh giống như selfie đơn giản chứa đựng thông tin quan trọng có thể giúp bệnh nhân và bác sĩ đưa ra quyết định lâm sàng và lập kế hoạch chăm sóc”, theo ông Aerts, giám đốc AI trong Y khoa tại Bệnh viện đa khoa Massachusetts Brigham.

“Một người trông già như thế nào so với tuổi thật của họ rất quan trọng – những người có FaceAge trẻ hơn tuổi thời gian của họ sẽ có kết quả tốt hơn đáng kể sau điều trị ung thư”, ông nói thêm.

Các nhà khoa học đã đào tạo FaceAge trên 58.851 bức ảnh của những người được cho là khỏe mạnh từ các tập dữ liệu công khai. Sau đó, họ thử nghiệm thuật toán trên 6.196 bệnh nhân ung thư, sử dụng các bức ảnh chụp khi bắt đầu xạ trị.

Trong số những bệnh nhân ung thư, tuổi FaceAge càng lớn thì kết quả sống sót càng kém, ngay cả sau khi điều chỉnh theo tuổi thời gian, giới tính và loại ung thư. Hiệu ứng này đặc biệt rõ rệt đối với những người có vẻ ngoài trên 85 tuổi.

Sau đó, các nhà khoa học đã yêu cầu 10 bác sĩ và nhà nghiên cứu dự đoán liệu những bệnh nhân ung thư giai đoạn cuối đang được xạ trị giảm triệu chứng có còn sống sau 6 tháng hay không. Những chuyên gia con người này đánh giá đúng khoảng 61% khi họ chỉ được nhìn một ảnh của bệnh nhân, nhưng tỷ lệ tăng lên 80% khi họ cũng có phân tích FaceAge.

Nhóm nghiên cứu cho biết những hạn chế mà FaceAge có thể có bao gồm sai lệch trong dữ liệu và khả năng dữ liệu phản ánh lỗi trong mô hình thay vì sự khác biệt thực tế giữa tuổi thời gian và tuổi sinh học.

Các nhà khoa học đang thử nghiệm công nghệ này trên nhiều bệnh nhân hơn, cũng như đánh giá khả năng nó có thể dự đoán bệnh tật, tình trạng sức khỏe chung và tuổi thọ.

Các dấu hiệu sinh học của quá trình lão hóa đang là một chủ đề được nghiên cứu chuyên sâu. Hồi tháng 2, các nhà khoa học đã công bố một xét nghiệm máu đơn giản để phát hiện tốc độ lão hóa của các cơ quan nội tạng và giúp đánh dấu nguy cơ gia tăng đối với 30 bệnh, bao gồm cả ung thư phổi.

Lão hóa khuôn mặt là một lĩnh vực ngày càng được quan tâm, nơi các nhà khoa học đang khám phá nhiều kỹ thuật khác nhau. Một trong số đó là khái niệm lão hóa trực quan: một người trông già như thế nào đối với các chuyên gia chăm sóc sức khỏe giàu kinh nghiệm chứ không phải tuổi của họ về mặt sinh học.

Các nhà nghiên cứu cho biết lão hóa trực quan đã nổi lên thành một yếu tố dự báo tiềm năng cho tỷ lệ tử vong và một số bệnh liên quan đến tuổi tác. Nhược điểm là việc tạo dữ liệu bằng cách quan sát của con người rất tốn thời gian và chi phí.

Nghiên cứu đánh giá FaceAge có vẻ “khá kỹ lưỡng”, theo Jaume Bacardit, một chuyên gia AI của Đại học Newcastle. Bản thân ông đã nghiên cứu về cách ứng dụng công nghệ vào lão hóa trực quan.

Nhưng ông bổ sung rằng cần phải có thêm những giải thích về cách hoạt động của kỹ thuật AI, để kiểm tra các yếu tố có thể bóp méo kết quả.

“Đó là, chúng dựa vào những bộ phận nào trên khuôn mặt để đưa ra dự đoán của mình?”, ông Bacardit cho biết. “Điều này sẽ giúp xác định các yếu tố gây nhiễu tiềm ẩn mà nếu không có thể sẽ không bị phát hiện”.

Theo:

https://www.ft.com/content/3ac60aaf-3b55-4f1c-858c-7b42b4cbd914