Το ανατριχιαστικό μυστικό του Ιπποκράτη που ανακάλυψε η τεχνητή νοημοσύνη
Μια απλή φωτογραφία selfie ενδέχεται να κρύβει απρόσμενες πληροφορίες για την κατάσταση της υγείας και το προσδόκιμο ζωής ενός ανθρώπου, ιδιαίτερα όταν πρόκειται για ασθενείς με καρκίνο.
Ερευνητές του Mass General Brigham, στη Βοστώνη των ΗΠΑ, ανέπτυξαν μοντέλα τεχνητής νοημοσύνης (AI), τα οποία, σύμφωνα με τους ίδιους, μπορούν να εκτιμήσουν τη βιολογική ηλικία ενός ασθενούς με καρκίνο και να προβλέψουν τις πιθανότητες επιβίωσής του, χρησιμοποιώντας αποκλειστικά μία φωτογραφία του προσώπου του.
Η μελέτη δημοσιεύθηκε τη Δευτέρα στο επιστημονικό περιοδικό The Lancet Digital Health και ανοίγει ένα νέο πεδίο έρευνας για τη χρήση της τεχνητής νοημοσύνης στην ιατρική.
Τα ευρήματα υποδεικνύουν ότι η ανάλυση των χαρακτηριστικών του προσώπου θα μπορούσε, στο μέλλον, να αποτελέσει ένα επιπλέον εργαλείο στα χέρια των γιατρών, βοηθώντας τους να αξιολογούν τις πιθανότητες επιβίωσης των ασθενών και να επιλέγουν τις καταλληλότερες θεραπευτικές προσεγγίσεις.
«Με εξέπληξε ιδιαίτερα το γεγονός ότι μπορούσαμε να εντοπίσουμε ενδείξεις κινδύνου θνησιμότητας μόνο από μια φωτογραφία του προσώπου», δήλωσε ο επικεφαλής συγγραφέας της μελέτης, Dr. Raymond Mak, ακτινοθεραπευτής ογκολόγος στο Mass General Brigham Cancer Institute και μέλος του προγράμματος Artificial Intelligence in Medicine του οργανισμού.
Πώς η AI «διαβάζει» το πρόσωπο και εκτιμά τη βιολογική ηλικία
Τα μοντέλα τεχνητής νοημοσύνης εκπαιδεύτηκαν σε περισσότερες από 40 εκατομμύρια φωτογραφίες προσώπων και εξετάζουν διαφορετικές περιοχές του προσώπου, προκειμένου να εκτιμήσουν τη συνολική κατάσταση της υγείας και τη βιολογική ηλικία ενός ασθενούς με καρκίνο.
Η βιολογική ηλικία διαφέρει από τη χρονολογική ηλικία, η οποία αντιστοιχεί στα χρόνια που έχει ζήσει ένας άνθρωπος. Αντίθετα, η βιολογική ηλικία επιχειρεί να αποτυπώσει το πόσο έχει γεράσει ο οργανισμός σε κυτταρικό και σωματικό επίπεδο.
Όπως εξήγησε ο Raymond Mak, ο αλγόριθμος εκτίμησης της ηλικίας επικεντρώνεται στην περιοχή γύρω από τους κροτάφους, στο μέτωπο, πάνω από τα μάτια, καθώς και στη ρινοχειλική αύλακα, δηλαδή τη γραμμή που συνδέει τη μύτη με τις γωνίες του στόματος.
Αντίθετα, ο αλγόριθμος πρόβλεψης του κινδύνου θνησιμότητας εξετάζει διαφορετικά σημεία του προσώπου, εστιάζοντας στη ράχη της μύτης και στην περιοχή κάτω από τα μάτια.
Το εύρημα αποκτά ιδιαίτερο ενδιαφέρον, καθώς οι ίδιες περιοχές του προσώπου που εξετάζει η AI για να εκτιμήσει τη βιολογική ηλικία και την πιθανότητα επιβίωσης είχαν περιγραφεί ήδη από τον αρχαίο Έλληνα γιατρό και φιλόσοφο Ιπποκράτη.
Στο έργο του «Προγνωστικόν», που γράφτηκε περίπου το 400 π.Χ., ο Ιπποκράτης περιέγραφε χαρακτηριστικά όπως η μυτερή μύτη, τα βαθουλωμένα μάτια και οι βυθισμένοι κρόταφοι ως ενδείξεις μυϊκής απώλειας και αυξημένου κινδύνου θανάτου.
«Το να σκεφτόμαστε ότι οι αλγόριθμοί μας ενδέχεται να αναπαράγουν τη σοφία του Ιπποκράτη, χιλιάδες χρόνια αργότερα, ήταν κάτι που μας άφησε άφωνους», ανέφερε ο Raymond Mak.
Όπως διευκρίνισε, τα μοντέλα δεν είχαν πρόσβαση στα αρχαία κείμενα του Ιπποκράτη. Εκπαιδεύτηκαν αποκλειστικά με φωτογραφίες προσώπων και δεδομένα σχετικά με το αν ένα άτομο πέθανε, καθώς και με την ηλικία του.
«Δεν λαμβάνουν υπόψη κείμενα, γνώσεις ή πληροφορίες που έχουν συγκεντρωθεί στο διαδίκτυο. Το γεγονός ότι η σκέψη του Ιπποκράτη φαίνεται να επανεμφανίζεται στους αλγορίθμους μας, έπειτα από τόσες χιλιετίες, ήταν πραγματικά ανατριχιαστικό», πρόσθεσε.
Τα δύο μοντέλα AI και τα εντυπωσιακά ποσοστά θνησιμότητας
Αρχικά, ο Raymond Mak και οι συνεργάτες του ανέπτυξαν ένα ισχυρό μοντέλο τεχνητής νοημοσύνης, με την ονομασία Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face).
Το μοντέλο εκπαιδεύτηκε σε περισσότερες από 40 εκατομμύρια φωτογραφίες, οι οποίες κάλυπταν διαφορετικές ηλικίες και εθνοτικές ομάδες.
Στη συνέχεια, οι ερευνητές το βελτιστοποίησαν και δημιούργησαν δύο εξειδικευμένα μοντέλα:
FAHR-FaceAge: Εκτιμά τη βιολογική ηλικία ενός ατόμου με βάση μία και μόνο φωτογραφία του προσώπου του.
FAHR-FaceSurvival: Προβλέπει τις πιθανότητες επιβίωσης ενός ασθενούς με καρκίνο, συνδυάζοντας τα χαρακτηριστικά του προσώπου με άλλες κλινικές πληροφορίες.
Τα αποτελέσματα του μοντέλου FAHR-FaceSurvival ήταν ιδιαίτερα εντυπωσιακά.
Από τους 122 ασθενείς με καρκίνο που κατατάχθηκαν από τον αλγόριθμο στην ομάδα υψηλού κινδύνου θανάτου, το 52,5% πέθανε μέσα σε διάστημα 90 ημερών από την αξιολόγηση.
Αντίθετα, στην ομάδα των 975 ασθενών που κατατάχθηκαν στη χαμηλότερη κατηγορία κινδύνου, το ποσοστό θανάτων μέσα στο ίδιο χρονικό διάστημα ήταν μόλις περίπου 2%.
Τα ευρήματα από το μοντέλο FAHR-FaceAge ήταν επίσης αξιοσημείωτα.
Μεταξύ 1.060 ασθενών των οποίων η εκτιμώμενη βιολογική ηλικία ήταν πάνω από 20 χρόνια μεγαλύτερη από τη χρονολογική τους ηλικία, το 21% πέθανε μέσα σε 90 ημέρες.
Στον αντίποδα, μεταξύ 4.195 ασθενών των οποίων η βιολογική ηλικία εκτιμήθηκε ότι ήταν τουλάχιστον 10 χρόνια μικρότερη από τη χρονολογική τους ηλικία, το αντίστοιχο ποσοστό θανάτων διαμορφώθηκε περίπου στο 6%.
Οι ερευνητές διαπίστωσαν επίσης ότι αισθητικές παρεμβάσεις στο πρόσωπο, όπως χειρουργικές επεμβάσεις, ενέσιμα υλικά όπως το Botox ή η χρήση μακιγιάζ, δεν επηρέασαν την απόδοση των μοντέλων.
Μπορεί μια φωτογραφία να αλλάξει τον τρόπο αντιμετώπισης του καρκίνου;
Οι συγγραφείς της μελέτης ξεκαθαρίζουν ότι τα μοντέλα τεχνητής νοημοσύνης δεν προορίζονται να αντικαταστήσουν τους γιατρούς ή τις υφιστάμενες κλινικές αξιολογήσεις.
Αντίθετα, αντιμετωπίζουν την τεχνολογία ως ένα αναδυόμενο εργαλείο που θα μπορούσε στο μέλλον να συνεισφέρει στην αξιολόγηση της κατάστασης ενός ασθενούς και στη λήψη αποφάσεων για τη θεραπεία του.
«Εάν μπορούμε να εντοπίσουμε έγκαιρα την επιταχυνόμενη γήρανση ή υψηλές βαθμολογίες κινδύνου θνησιμότητας, ενδέχεται να μπορέσουμε να εντοπίσουμε ασθενείς που χρειάζονται περαιτέρω εξετάσεις για σοβαρές παθήσεις σε πρωιμότερο στάδιο», σημείωσε ο Raymond Mak.
Η έρευνα πραγματοποιήθηκε αποκλειστικά σε ασθενείς με καρκίνο. Ωστόσο, ο ίδιος εκτιμά ότι περαιτέρω μελέτες θα μπορούσαν να διερευνήσουν εάν αντίστοιχα ευρήματα ισχύουν και για υγιή άτομα που ενδιαφέρονται να εκτιμήσουν τη βιολογική τους ηλικία και τη μακροζωία τους.
Η προοπτική είναι σημαντική, καθώς μια απλή φωτογραφία θα μπορούσε ενδεχομένως να συμβάλει στον εντοπισμό ανθρώπων που χρειάζονται πιο λεπτομερή ιατρικό έλεγχο.
Ωστόσο, η αξιοπιστία και η πρακτική χρησιμότητα της τεχνολογίας πρέπει να αποδειχθούν με πρόσθετες κλινικές μελέτες.
Οι επιφυλάξεις των ειδικών
Παρά τον ενθουσιασμό που προκαλούν τα αποτελέσματα, ειδικοί επισημαίνουν ότι η νέα τεχνολογία βρίσκεται ακόμη σε ερευνητικό στάδιο και απαιτείται περαιτέρω αξιολόγηση πριν χρησιμοποιηθεί στην καθημερινή ιατρική πρακτική.
Ο Dr. Wilbur Lam, καθηγητής Παιδιατρικής και Βιοϊατρικής Μηχανικής και ερευνητής στο Emory University, χαρακτήρισε τη μελέτη ιδιαίτερα ενδιαφέρουσα, επισημαίνοντας ότι βασίζεται σε ένα μεγάλο σύνολο δεδομένων.
Όπως ανέφερε, οι συσχετίσεις μεταξύ των φωτογραφιών προσώπου, της βιολογικής ηλικίας και του κινδύνου θανάτου από καρκίνο φαίνεται να είναι ισχυρές.
Ωστόσο, υπογράμμισε ότι η πραγματική κλινική χρησιμότητα του εργαλείου πρέπει να αποδειχθεί μέσα από προοπτικές μελέτες, δηλαδή έρευνες στις οποίες οι προβλέψεις αξιολογούνται σε πραγματικές συνθήκες και σε βάθος χρόνου.
Παράλληλα, παραμένει ανοιχτό το ερώτημα κατά πόσο το μοντέλο μπορεί να χρησιμοποιηθεί με ακρίβεια σε διαφορετικές ομάδες πληθυσμού.
Οι επιδόσεις του θα πρέπει να ελεγχθούν σε ανθρώπους με διαφορετικά χαρακτηριστικά προσώπου, διαφορετικό χρώμα δέρματος και διαφορετικές ηλικιακές ομάδες, προτού η τεχνολογία ενσωματωθεί στην κλινική πρακτική.
Δεν είναι ακόμη έτοιμη για κλινική χρήση
Ανάλογες επιφυλάξεις διατυπώνει ο Miroslaw Bober, καθηγητής Επεξεργασίας Βίντεο και Μηχανικής Νοημοσύνης στο University of Surrey, σε δήλωσή του που διανεμήθηκε από το βρετανικό Science Media Centre.
Ο ίδιος αναγνωρίζει ότι η μελέτη παρέχει πειστικά στοιχεία για τη στατιστική συσχέτιση μεταξύ της εμφάνισης του προσώπου και της επιβίωσης ασθενών με καρκίνο που υποβάλλονται σε ακτινοθεραπεία.
Ωστόσο, προειδοποιεί ότι η πρόβλεψη ενός αποτελέσματος δεν ισοδυναμεί με την εξήγησή του.
Παρά τις αναφορές στη «βιολογική ηλικία», η τεχνητή νοημοσύνη εκτιμά την ηλικία με βάση την εμφάνιση του προσώπου και όχι μέσω άμεσης μέτρησης των βιολογικών διεργασιών της γήρανσης.
Ο Miroslaw Bober επισημαίνει επίσης ότι η έρευνα δεν εξέτασε εάν η AI μπορεί να αναγνωρίσει στοιχεία που θα διέφευγαν από έναν γιατρό.
Επιπλέον, δεν έχει αποδειχθεί ότι οι προβλέψεις των αλγορίθμων προσφέρουν ουσιαστικά νέα κλινική πληροφορία πέρα από εκείνη που προκύπτει από την αξιολόγηση της γενικής κατάστασης της υγείας και της φυσικής κατάστασης του ασθενούς από τους γιατρούς.
Οι συγκεκριμένοι παράγοντες, μάλιστα, δεν μετρήθηκαν στη μελέτη.
«Πρόκειται για μια πολλά υποσχόμενη απόδειξη της αρχής λειτουργίας της τεχνολογίας, αλλά δεν είναι ακόμη έτοιμη για κλινική χρήση», υπογράμμισε.
Όπως πρόσθεσε, το εργαλείο πρέπει να αξιολογηθεί σε σύγκριση με την κρίση των ίδιων των γιατρών, αλλά και σε διαφορετικά νοσοκομεία και πληθυσμιακές ομάδες.
Το στοίχημα της τεχνητής νοημοσύνης στην ιατρική
Η νέα έρευνα αναδεικνύει τις δυνατότητες της τεχνητής νοημοσύνης να εντοπίζει στατιστικά μοτίβα που ενδέχεται να σχετίζονται με την κατάσταση της υγείας ενός ανθρώπου, ακόμη και από δεδομένα που εκ πρώτης όψεως φαίνονται απλά, όπως μια φωτογραφία προσώπου.
Τα αποτελέσματα είναι ενθαρρυντικά, ιδιαίτερα ως προς την πιθανότητα έγκαιρου εντοπισμού ασθενών με αυξημένο κίνδυνο θνησιμότητας.
Ωστόσο, η απόσταση ανάμεσα σε μια στατιστικά ισχυρή πρόβλεψη και σε ένα αξιόπιστο ιατρικό εργαλείο παραμένει σημαντική.
Το κρίσιμο ζητούμενο είναι να αποδειχθεί ότι τα μοντέλα μπορούν να προσφέρουν πρόσθετη αξία σε σχέση με τις καθιερωμένες ιατρικές μεθόδους, χωρίς να οδηγούν σε λανθασμένες εκτιμήσεις ή σε αποφάσεις που δεν στηρίζονται σε επαρκή κλινικά δεδομένα.
Μέχρι τότε, η τεχνητή νοημοσύνη που επιχειρεί να προβλέψει τη βιολογική ηλικία και την επιβίωση μέσω μιας φωτογραφίας αποτελεί μια πολλά υποσχόμενη ερευνητική εξέλιξη, όχι όμως ένα εργαλείο που μπορεί να αντικαταστήσει την ιατρική διάγνωση.
www.bankingnews.gr
Ερευνητές του Mass General Brigham, στη Βοστώνη των ΗΠΑ, ανέπτυξαν μοντέλα τεχνητής νοημοσύνης (AI), τα οποία, σύμφωνα με τους ίδιους, μπορούν να εκτιμήσουν τη βιολογική ηλικία ενός ασθενούς με καρκίνο και να προβλέψουν τις πιθανότητες επιβίωσής του, χρησιμοποιώντας αποκλειστικά μία φωτογραφία του προσώπου του.
Η μελέτη δημοσιεύθηκε τη Δευτέρα στο επιστημονικό περιοδικό The Lancet Digital Health και ανοίγει ένα νέο πεδίο έρευνας για τη χρήση της τεχνητής νοημοσύνης στην ιατρική.
Τα ευρήματα υποδεικνύουν ότι η ανάλυση των χαρακτηριστικών του προσώπου θα μπορούσε, στο μέλλον, να αποτελέσει ένα επιπλέον εργαλείο στα χέρια των γιατρών, βοηθώντας τους να αξιολογούν τις πιθανότητες επιβίωσης των ασθενών και να επιλέγουν τις καταλληλότερες θεραπευτικές προσεγγίσεις.
«Με εξέπληξε ιδιαίτερα το γεγονός ότι μπορούσαμε να εντοπίσουμε ενδείξεις κινδύνου θνησιμότητας μόνο από μια φωτογραφία του προσώπου», δήλωσε ο επικεφαλής συγγραφέας της μελέτης, Dr. Raymond Mak, ακτινοθεραπευτής ογκολόγος στο Mass General Brigham Cancer Institute και μέλος του προγράμματος Artificial Intelligence in Medicine του οργανισμού.
Πώς η AI «διαβάζει» το πρόσωπο και εκτιμά τη βιολογική ηλικία
Τα μοντέλα τεχνητής νοημοσύνης εκπαιδεύτηκαν σε περισσότερες από 40 εκατομμύρια φωτογραφίες προσώπων και εξετάζουν διαφορετικές περιοχές του προσώπου, προκειμένου να εκτιμήσουν τη συνολική κατάσταση της υγείας και τη βιολογική ηλικία ενός ασθενούς με καρκίνο.
Η βιολογική ηλικία διαφέρει από τη χρονολογική ηλικία, η οποία αντιστοιχεί στα χρόνια που έχει ζήσει ένας άνθρωπος. Αντίθετα, η βιολογική ηλικία επιχειρεί να αποτυπώσει το πόσο έχει γεράσει ο οργανισμός σε κυτταρικό και σωματικό επίπεδο.
Όπως εξήγησε ο Raymond Mak, ο αλγόριθμος εκτίμησης της ηλικίας επικεντρώνεται στην περιοχή γύρω από τους κροτάφους, στο μέτωπο, πάνω από τα μάτια, καθώς και στη ρινοχειλική αύλακα, δηλαδή τη γραμμή που συνδέει τη μύτη με τις γωνίες του στόματος.
Αντίθετα, ο αλγόριθμος πρόβλεψης του κινδύνου θνησιμότητας εξετάζει διαφορετικά σημεία του προσώπου, εστιάζοντας στη ράχη της μύτης και στην περιοχή κάτω από τα μάτια.
Το εύρημα αποκτά ιδιαίτερο ενδιαφέρον, καθώς οι ίδιες περιοχές του προσώπου που εξετάζει η AI για να εκτιμήσει τη βιολογική ηλικία και την πιθανότητα επιβίωσης είχαν περιγραφεί ήδη από τον αρχαίο Έλληνα γιατρό και φιλόσοφο Ιπποκράτη.
Στο έργο του «Προγνωστικόν», που γράφτηκε περίπου το 400 π.Χ., ο Ιπποκράτης περιέγραφε χαρακτηριστικά όπως η μυτερή μύτη, τα βαθουλωμένα μάτια και οι βυθισμένοι κρόταφοι ως ενδείξεις μυϊκής απώλειας και αυξημένου κινδύνου θανάτου.
«Το να σκεφτόμαστε ότι οι αλγόριθμοί μας ενδέχεται να αναπαράγουν τη σοφία του Ιπποκράτη, χιλιάδες χρόνια αργότερα, ήταν κάτι που μας άφησε άφωνους», ανέφερε ο Raymond Mak.
Όπως διευκρίνισε, τα μοντέλα δεν είχαν πρόσβαση στα αρχαία κείμενα του Ιπποκράτη. Εκπαιδεύτηκαν αποκλειστικά με φωτογραφίες προσώπων και δεδομένα σχετικά με το αν ένα άτομο πέθανε, καθώς και με την ηλικία του.
«Δεν λαμβάνουν υπόψη κείμενα, γνώσεις ή πληροφορίες που έχουν συγκεντρωθεί στο διαδίκτυο. Το γεγονός ότι η σκέψη του Ιπποκράτη φαίνεται να επανεμφανίζεται στους αλγορίθμους μας, έπειτα από τόσες χιλιετίες, ήταν πραγματικά ανατριχιαστικό», πρόσθεσε.
Τα δύο μοντέλα AI και τα εντυπωσιακά ποσοστά θνησιμότητας
Αρχικά, ο Raymond Mak και οι συνεργάτες του ανέπτυξαν ένα ισχυρό μοντέλο τεχνητής νοημοσύνης, με την ονομασία Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face).
Το μοντέλο εκπαιδεύτηκε σε περισσότερες από 40 εκατομμύρια φωτογραφίες, οι οποίες κάλυπταν διαφορετικές ηλικίες και εθνοτικές ομάδες.
Στη συνέχεια, οι ερευνητές το βελτιστοποίησαν και δημιούργησαν δύο εξειδικευμένα μοντέλα:
FAHR-FaceAge: Εκτιμά τη βιολογική ηλικία ενός ατόμου με βάση μία και μόνο φωτογραφία του προσώπου του.
FAHR-FaceSurvival: Προβλέπει τις πιθανότητες επιβίωσης ενός ασθενούς με καρκίνο, συνδυάζοντας τα χαρακτηριστικά του προσώπου με άλλες κλινικές πληροφορίες.
Τα αποτελέσματα του μοντέλου FAHR-FaceSurvival ήταν ιδιαίτερα εντυπωσιακά.
Από τους 122 ασθενείς με καρκίνο που κατατάχθηκαν από τον αλγόριθμο στην ομάδα υψηλού κινδύνου θανάτου, το 52,5% πέθανε μέσα σε διάστημα 90 ημερών από την αξιολόγηση.
Αντίθετα, στην ομάδα των 975 ασθενών που κατατάχθηκαν στη χαμηλότερη κατηγορία κινδύνου, το ποσοστό θανάτων μέσα στο ίδιο χρονικό διάστημα ήταν μόλις περίπου 2%.
Τα ευρήματα από το μοντέλο FAHR-FaceAge ήταν επίσης αξιοσημείωτα.
Μεταξύ 1.060 ασθενών των οποίων η εκτιμώμενη βιολογική ηλικία ήταν πάνω από 20 χρόνια μεγαλύτερη από τη χρονολογική τους ηλικία, το 21% πέθανε μέσα σε 90 ημέρες.
Στον αντίποδα, μεταξύ 4.195 ασθενών των οποίων η βιολογική ηλικία εκτιμήθηκε ότι ήταν τουλάχιστον 10 χρόνια μικρότερη από τη χρονολογική τους ηλικία, το αντίστοιχο ποσοστό θανάτων διαμορφώθηκε περίπου στο 6%.
Οι ερευνητές διαπίστωσαν επίσης ότι αισθητικές παρεμβάσεις στο πρόσωπο, όπως χειρουργικές επεμβάσεις, ενέσιμα υλικά όπως το Botox ή η χρήση μακιγιάζ, δεν επηρέασαν την απόδοση των μοντέλων.
Μπορεί μια φωτογραφία να αλλάξει τον τρόπο αντιμετώπισης του καρκίνου;
Οι συγγραφείς της μελέτης ξεκαθαρίζουν ότι τα μοντέλα τεχνητής νοημοσύνης δεν προορίζονται να αντικαταστήσουν τους γιατρούς ή τις υφιστάμενες κλινικές αξιολογήσεις.
Αντίθετα, αντιμετωπίζουν την τεχνολογία ως ένα αναδυόμενο εργαλείο που θα μπορούσε στο μέλλον να συνεισφέρει στην αξιολόγηση της κατάστασης ενός ασθενούς και στη λήψη αποφάσεων για τη θεραπεία του.
«Εάν μπορούμε να εντοπίσουμε έγκαιρα την επιταχυνόμενη γήρανση ή υψηλές βαθμολογίες κινδύνου θνησιμότητας, ενδέχεται να μπορέσουμε να εντοπίσουμε ασθενείς που χρειάζονται περαιτέρω εξετάσεις για σοβαρές παθήσεις σε πρωιμότερο στάδιο», σημείωσε ο Raymond Mak.
Η έρευνα πραγματοποιήθηκε αποκλειστικά σε ασθενείς με καρκίνο. Ωστόσο, ο ίδιος εκτιμά ότι περαιτέρω μελέτες θα μπορούσαν να διερευνήσουν εάν αντίστοιχα ευρήματα ισχύουν και για υγιή άτομα που ενδιαφέρονται να εκτιμήσουν τη βιολογική τους ηλικία και τη μακροζωία τους.
Η προοπτική είναι σημαντική, καθώς μια απλή φωτογραφία θα μπορούσε ενδεχομένως να συμβάλει στον εντοπισμό ανθρώπων που χρειάζονται πιο λεπτομερή ιατρικό έλεγχο.
Ωστόσο, η αξιοπιστία και η πρακτική χρησιμότητα της τεχνολογίας πρέπει να αποδειχθούν με πρόσθετες κλινικές μελέτες.
Οι επιφυλάξεις των ειδικών
Παρά τον ενθουσιασμό που προκαλούν τα αποτελέσματα, ειδικοί επισημαίνουν ότι η νέα τεχνολογία βρίσκεται ακόμη σε ερευνητικό στάδιο και απαιτείται περαιτέρω αξιολόγηση πριν χρησιμοποιηθεί στην καθημερινή ιατρική πρακτική.
Ο Dr. Wilbur Lam, καθηγητής Παιδιατρικής και Βιοϊατρικής Μηχανικής και ερευνητής στο Emory University, χαρακτήρισε τη μελέτη ιδιαίτερα ενδιαφέρουσα, επισημαίνοντας ότι βασίζεται σε ένα μεγάλο σύνολο δεδομένων.
Όπως ανέφερε, οι συσχετίσεις μεταξύ των φωτογραφιών προσώπου, της βιολογικής ηλικίας και του κινδύνου θανάτου από καρκίνο φαίνεται να είναι ισχυρές.
Ωστόσο, υπογράμμισε ότι η πραγματική κλινική χρησιμότητα του εργαλείου πρέπει να αποδειχθεί μέσα από προοπτικές μελέτες, δηλαδή έρευνες στις οποίες οι προβλέψεις αξιολογούνται σε πραγματικές συνθήκες και σε βάθος χρόνου.
Παράλληλα, παραμένει ανοιχτό το ερώτημα κατά πόσο το μοντέλο μπορεί να χρησιμοποιηθεί με ακρίβεια σε διαφορετικές ομάδες πληθυσμού.
Οι επιδόσεις του θα πρέπει να ελεγχθούν σε ανθρώπους με διαφορετικά χαρακτηριστικά προσώπου, διαφορετικό χρώμα δέρματος και διαφορετικές ηλικιακές ομάδες, προτού η τεχνολογία ενσωματωθεί στην κλινική πρακτική.
Δεν είναι ακόμη έτοιμη για κλινική χρήση
Ανάλογες επιφυλάξεις διατυπώνει ο Miroslaw Bober, καθηγητής Επεξεργασίας Βίντεο και Μηχανικής Νοημοσύνης στο University of Surrey, σε δήλωσή του που διανεμήθηκε από το βρετανικό Science Media Centre.
Ο ίδιος αναγνωρίζει ότι η μελέτη παρέχει πειστικά στοιχεία για τη στατιστική συσχέτιση μεταξύ της εμφάνισης του προσώπου και της επιβίωσης ασθενών με καρκίνο που υποβάλλονται σε ακτινοθεραπεία.
Ωστόσο, προειδοποιεί ότι η πρόβλεψη ενός αποτελέσματος δεν ισοδυναμεί με την εξήγησή του.
Παρά τις αναφορές στη «βιολογική ηλικία», η τεχνητή νοημοσύνη εκτιμά την ηλικία με βάση την εμφάνιση του προσώπου και όχι μέσω άμεσης μέτρησης των βιολογικών διεργασιών της γήρανσης.
Ο Miroslaw Bober επισημαίνει επίσης ότι η έρευνα δεν εξέτασε εάν η AI μπορεί να αναγνωρίσει στοιχεία που θα διέφευγαν από έναν γιατρό.
Επιπλέον, δεν έχει αποδειχθεί ότι οι προβλέψεις των αλγορίθμων προσφέρουν ουσιαστικά νέα κλινική πληροφορία πέρα από εκείνη που προκύπτει από την αξιολόγηση της γενικής κατάστασης της υγείας και της φυσικής κατάστασης του ασθενούς από τους γιατρούς.
Οι συγκεκριμένοι παράγοντες, μάλιστα, δεν μετρήθηκαν στη μελέτη.
«Πρόκειται για μια πολλά υποσχόμενη απόδειξη της αρχής λειτουργίας της τεχνολογίας, αλλά δεν είναι ακόμη έτοιμη για κλινική χρήση», υπογράμμισε.
Όπως πρόσθεσε, το εργαλείο πρέπει να αξιολογηθεί σε σύγκριση με την κρίση των ίδιων των γιατρών, αλλά και σε διαφορετικά νοσοκομεία και πληθυσμιακές ομάδες.
Το στοίχημα της τεχνητής νοημοσύνης στην ιατρική
Η νέα έρευνα αναδεικνύει τις δυνατότητες της τεχνητής νοημοσύνης να εντοπίζει στατιστικά μοτίβα που ενδέχεται να σχετίζονται με την κατάσταση της υγείας ενός ανθρώπου, ακόμη και από δεδομένα που εκ πρώτης όψεως φαίνονται απλά, όπως μια φωτογραφία προσώπου.
Τα αποτελέσματα είναι ενθαρρυντικά, ιδιαίτερα ως προς την πιθανότητα έγκαιρου εντοπισμού ασθενών με αυξημένο κίνδυνο θνησιμότητας.
Ωστόσο, η απόσταση ανάμεσα σε μια στατιστικά ισχυρή πρόβλεψη και σε ένα αξιόπιστο ιατρικό εργαλείο παραμένει σημαντική.
Το κρίσιμο ζητούμενο είναι να αποδειχθεί ότι τα μοντέλα μπορούν να προσφέρουν πρόσθετη αξία σε σχέση με τις καθιερωμένες ιατρικές μεθόδους, χωρίς να οδηγούν σε λανθασμένες εκτιμήσεις ή σε αποφάσεις που δεν στηρίζονται σε επαρκή κλινικά δεδομένα.
Μέχρι τότε, η τεχνητή νοημοσύνη που επιχειρεί να προβλέψει τη βιολογική ηλικία και την επιβίωση μέσω μιας φωτογραφίας αποτελεί μια πολλά υποσχόμενη ερευνητική εξέλιξη, όχι όμως ένα εργαλείο που μπορεί να αντικαταστήσει την ιατρική διάγνωση.
www.bankingnews.gr
Σχόλια αναγνωστών