هوش مصنوعی و پیشبینی بقای بیماران مبتلا به سرطان ممکن است با استفاده از یک عکس ساده از چهره، وارد مرحله تازهای شود. پژوهشگران مرکز دانشگاهی و درمانی Mass General Brigham در ایالت ماساچوست آمریکا، سامانهای مبتنی بر هوش مصنوعی توسعه دادهاند که میتواند با تحلیل یک عکس معمولی از صورت افراد، سن زیستی آنها را تخمین بزند و اطلاعاتی درباره احتمال بقای بیماران مبتلا به سرطان ارائه کند.
این فناوری با استفاده از دادههای بیش از ۴۰ میلیون تصویر چهره از افراد با سنین و قومیتهای مختلف آموزش دیده است. نتایج پژوهشی که در مجله علمی The Lancet Digital Health منتشر شده، نشان میدهد که تحلیل چهره با هوش مصنوعی ممکن است در آینده به پزشکان کمک کند تا وضعیت جسمانی بیماران را بهتر ارزیابی کنند و درباره انتخاب روشهای درمانی تصمیمهای دقیقتری بگیرند.
البته فناوری هوش مصنوعی و پیشبینی بقای بیماران هنوز به پژوهشهای بیشتری نیاز دارد و قرار نیست جایگزین ارزیابی تخصصی پزشکان شود.
هوش مصنوعی و پیشبینی بقای بیماران؛ هوش مصنوعی چگونه از روی عکس چهره سن زیستی را تخمین میزند؟
سن تقویمی هر فرد بر اساس تعداد سالهایی محاسبه میشود که از زمان تولد او گذشته است. در مقابل، سن زیستی به وضعیت جسمانی بدن و میزان فرسودگی آن اشاره دارد. این دو سن لزوماً یکسان نیستند؛ ممکن است دو فرد همسن از نظر وضعیت جسمانی و آمادگی بدن برای مقابله با بیماریها تفاوت داشته باشند.
پژوهشگران در این مطالعه از هوش مصنوعی برای شناسایی الگوهای موجود در تصاویر چهره استفاده کردند. هدف این بود که مشخص شود آیا ویژگیهای صورت میتوانند اطلاعاتی درباره سن زیستی و وضعیت سلامت افراد ارائه دهند یا خیر.
سامانه توسعهیافته، با بررسی الگوهای چهره، تخمینی از سن زیستی ارائه میدهد و میتواند در بیماران مبتلا به سرطان برای ارزیابی احتمال بقا نیز به کار رود.
بر اساس گزارش پژوهش درباره هوش مصنوعی و پیشبینی بقای بیماران، برخی عوامل سبک زندگی، از جمله مصرف زیاد الکل، مصرف مواد مخدر و سیگار کشیدن، با مسنتر به نظر رسیدن افراد در تحلیلهای هوش مصنوعی ارتباط داشتند.
هوش مصنوعی و پیشبینی بقای بیماران؛ دو ابزار هوش مصنوعی برای پیشبینی بقای بیماران مبتلا به سرطان
پژوهشگران دو ابزار مکمل را بر پایه یک مدل هوش مصنوعی توسعه دادهاند که هرکدام وظیفه متفاوتی دارند.
۱. ابزار FAHR-FaceAge برای تخمین سن زیستی
ابزار FAHR-FaceAge سن زیستی فرد را بر اساس تصویر چهره تخمین میزند و از این برآورد برای پیشبینی پیامدهای بقا در بیماران مبتلا به سرطان نیز استفاده میکند.
این ابزار بخشهایی از صورت، از جمله چینهای پوستی اطراف بینی و دهان، ناحیه پیشانی بالای حدقه چشم و شقیقهها را بررسی میکند.
۲. ابزار FAHR-FaceSurvival برای پیشبینی مستقیم احتمال بقا
ابزار دوم، FAHR-FaceSurvival، رویکرد متفاوتی دارد. این سامانه بهجای آنکه ابتدا سن زیستی را تخمین بزند و سپس بر اساس آن احتمال بقا را ارزیابی کند، مستقیماً از تصویر چهره برای پیشبینی پیامدهای بقا استفاده میکند.
این ابزار بیشتر بر ناحیه زیر چشمها و اطراف پل بینی تمرکز دارد.
به گفته پژوهشگران، این دو ابزار با وجود استفاده از یک مدل پایه مشترک، اطلاعات متفاوتی درباره وضعیت سلامت افراد استخراج میکنند. به همین دلیل، میتوانند مکمل یکدیگر باشند.
هوش مصنوعی و پیشبینی بقای بیماران؛ ارتباط سن زیستی چهره با خطر مرگ در بیماران مبتلا به سرطان
یکی از یافتههای مهم پژوهش، ارتباط میان سن ظاهری تخمینزدهشده با هوش مصنوعی و خطر مرگ در بیماران مبتلا به سرطان بود.
در میان بیمارانی که در آمریکا تحت پرتودرمانی قرار گرفته بودند، افرادی که بر اساس ابزار FAHR-FaceAge دستکم پنج سال پیرتر از سن واقعی خود به نظر میرسیدند، در دوره پیگیری با میانگین چهار سال، ۲۱ درصد خطر مرگ بیشتری نسبت به سایر افراد داشتند.
در مقابل، بیمارانی که دستکم پنج سال جوانتر از سن واقعی خود به نظر میرسیدند، با ۱۷ درصد خطر مرگ کمتر مواجه بودند.
این نتایج نشان میدهند که ویژگیهای قابل مشاهده در چهره ممکن است اطلاعاتی درباره وضعیت جسمانی و توانایی بدن برای تحمل بیماری و درمان ارائه کنند.
بااینحال، این درصدها به معنای تعیین قطعی سرنوشت یک بیمار نیستند. همچنین، نباید آنها را به تمام بیماران مبتلا به سرطان یا همه انواع سرطان تعمیم داد؛ یافتههای گزارششده به گروه بررسیشده و شرایط مطالعه مربوط میشوند.
هوش مصنوعی و پیشبینی بقای بیماران؛ کاربرد هوش مصنوعی در انتخاب روش درمان سرطان
یکی از چالشهای مهم پزشکان، ارزیابی توان جسمانی بیماران پیش از آغاز درمانهای سنگین است. روشهایی مانند جراحی، پرتودرمانی و درمانهای دارویی سیستمیک ممکن است فشار قابلتوجهی بر بدن وارد کنند.
در چنین شرایطی، تخمین دقیقتر وضعیت جسمانی بیمار میتواند به پزشکان در سنجش خطر عوارض و انتخاب روش درمانی مناسب کمک کند.
پژوهشگران امیدوارند ابزارهای تحلیل چهره در آینده بتوانند به ارزیابی خطر مرگ یا عوارض پس از جراحیهای بزرگ و سایر درمانهای سرطان کمک کنند.
یکی از مزیتهای بالقوه این فناوری، سادگی استفاده از آن است. تهیه یک عکس معمولی از چهره به تجهیزات پیچیدهای نیاز ندارد و در صورت تأیید اعتبار بالینی این ابزارها، ممکن است راهی کمهزینه برای تکمیل ارزیابیهای پزشکی فراهم کند.
بااینحال، پژوهشگران تأکید دارند که هدف، پشتیبانی از تصمیمگیریهای شخصیسازیشده است، نه جایگزین کردن قضاوت و تخصص پزشک.
آیا پیشبینی بقای بیماران مبتلا به سرطان با یک عکس قابل اعتماد است؟
با وجود نتایج امیدوارکننده، استفاده گسترده از این فناوری در محیطهای درمانی به بررسیهای بیشتری نیاز دارد.
یکی از نکات قابل توجه در مطالعه، پایداری عملکرد ابزار تخمین سن زیستی در برابر تفاوتهای رایج عکسها بود. این سامانه در بیشتر شرایط آزمایششده، از جمله تغییر زاویه صورت، نورپردازی، حالت چهره و آرایش، عملکرد نسبتاً پایداری داشت. همچنین، بیشتر جراحیهای زیبایی بررسیشده تأثیر قابلتوجهی بر نتایج نداشتند؛ هرچند پس از جراحی بینی تغییر کوچکی مشاهده شد.
بااینحال، پایداری در برابر تغییرات تصویر بهتنهایی ثابت نمیکند که این ابزار برای تصمیمگیریهای حساس پزشکی به اندازه کافی دقیق است. پیش از استفاده گسترده، باید عملکرد آن در شرایط بالینی مختلف بیشتر ارزیابی شود.
همچنین، تخمین احتمال بقا با تعیین قطعی سرنوشت یک فرد تفاوت دارد. چنین ابزارهایی، حتی در صورت تأیید، باید در کنار اطلاعات پزشکی، وضعیت بیماری و ارزیابی متخصصان به کار گرفته شوند.
جمعبندی
پژوهش جدید نشان میدهد که هوش مصنوعی و پیشبینی بقای بیماران مبتلا به سرطان ممکن است در آینده با تحلیل تصاویر ساده چهره به یکدیگر پیوند بخورند. ابزارهای FAHR-FaceAge و FAHR-FaceSurvival با استفاده از الگوهای موجود در صورت، سن زیستی را تخمین میزنند یا احتمال بقا را مستقیماً ارزیابی میکنند.
ارتباط میان سن ظاهری تخمینزدهشده و خطر مرگ در بیماران تحت پرتودرمانی، اهمیت بالقوه این رویکرد را نشان میدهد. بااینحال، این فناوری هنوز به پژوهشهای بیشتری نیاز دارد تا مشخص شود تا چه اندازه میتواند در تصمیمگیریهای واقعی پزشکی قابل اعتماد باشد.
در صورت تأیید نتایج درباره هوش مصنوعی و پیشبینی بقای بیماران در مطالعات آینده، تحلیل چهره با هوش مصنوعی میتواند به ابزاری مکمل برای ارزیابی وضعیت بیماران و کمک به انتخاب روشهای درمانی متناسب با شرایط هر فرد تبدیل شود.
