Publicat pe

AI-ul care citește fața: Cum o simplă fotografie poate estima vârsta biologică și prezice șansele de supraviețuire la cancer

Ilustrație: față umană abstractă, stilizată din puncte și linii de rețea, cu o hartă termică discretă peste frunte, tâmple, zona de sub ochi și puntea nasului, pe fundal albastru închis

Pe scurt

  • Cercetătorii de la Mass General Brigham au construit FAHR-Face, un model fundațional antrenat pe peste 40 de milioane de imagini faciale, din care derivă FAHR-FaceAge (eroare medie absolută de 5,1 ani pe seturi publice) și FAHR-FaceSurvival.
  • În cohorta Harvard-RT (aproximativ 38.000 de pacienți), o vârstă estimată cu 5 sau mai mulți ani peste cea cronologică a însemnat un risc de mortalitate cu 21% mai mare (HR 1,21), iar una cu 5 sau mai mulți ani sub ea, un risc cu 17% mai mic (HR 0,83).
  • FAHR-FaceSurvival: 52,5% dintre pacienții din grupul cu cel mai ridicat risc au decedat în 90 de zile, față de 2,1% în grupul cu cel mai scăzut risc; cel mai înalt quartil de risc a avut un HR ajustat de 3,23.
  • Tehnologia este încă în stadiul de cercetare și validare clinică; autorii subliniază că scopul este să sprijine, nu să înlocuiască, decizia clinică.

Imaginați-vă că o simplă fotografie de tip selfie, făcută cu telefonul, ar putea spune medicului nu doar câți ani arătați, ci cât de sănătos este organismul dumneavoastră la nivel celular și care sunt șansele reale de a supraviețui unui tratament oncologic. Această idee, care părea până de curând science-fiction, a devenit realitate științifică.

Cercetătorii de la Mass General Brigham, sistemul medical afiliat Universității Harvard, au publicat recent în prestigioasa revistă The Lancet Digital Health (19 octombrie 2026) un studiu care demonstrează că un model de inteligență artificială poate estima vârsta biologică și poate prezice direct riscul de mortalitate la pacienții cu cancer, analizând doar o fotografie facială (conform articolului din The Lancet Digital Health și comunicatului instituției).

Studiul, intitulat „Foundation Artificial Intelligence Models for Health Recognition Using Face Photographs (FAHR-Face)”, marchează un pas major în domeniul recunoașterii faciale aplicate sănătății (facial health recognition).

Cercetătorii de la Mass General Brigham au dezvoltat un model fundațional antrenat pe peste 40 de milioane de imagini faciale care oferă o fereastră neinvazivă către starea de sănătate.

Ce este vârsta biologică și de ce contează?

Vârsta cronologică este numărul de ani trăiți. Vârsta biologică reflectă starea reală a celulelor, țesuturilor și organelor – cât de „uzat” este organismul. Două persoane de 60 de ani pot avea vârste biologice foarte diferite: una poate avea rezerve fiziologice excelente, alta poate fi fragilă.

În oncologie, această diferență este crucială. Medicii trebuie să evalueze dacă un pacient poate suporta radioterapie, chirurgie sau chimioterapie agresivă. Până acum, această evaluare era în mare parte subiectivă (aspectul general, experiența medicului). Instrumentele obiective existente (teste de sânge, biomarkeri) sunt invazive sau costisitoare.

Modelul FAHR-Face: Cum funcționează

Echipa condusă de Dr. Raymond Mak (oncolog radioterapeut) și Dr. Hugo Aerts (director al programului Artificial Intelligence in Medicine) a construit un model fundațional numit FAHR-Face (Foundation Artificial Intelligence for Health Recognition – Face).

Acesta a fost antrenat prin învățare self-supervised pe mai mult de 40 de milioane de imagini faciale din setul de date WebFace42M, acoperind o gamă largă de vârste și etnii. Modelul învață o reprezentare generală a feței umane, care apoi poate fi adaptată (fine-tuned) pentru sarcini specifice cu seturi de date clinice relativ mici.

Din acest model fundațional au rezultat două instrumente complementare:

  1. FAHR-FaceAge – estimează vârsta biologică dintr-o fotografie, cu o eroare medie absolută de doar 5,1 ani pe seturi de date publice (mai precis decât modelele de referință cu care a fost comparat).
  2. FAHR-FaceSurvival – prezice direct riscul de mortalitate la pacienții cu cancer, fără a trece obligatoriu prin estimarea vârstei biologice. Aceasta este, potrivit autorilor, prima demonstrație că un model AI poate prezice supraviețuirea la cancer direct dintr-o fotografie simplă (Hugo Aerts: „din câte știm”).

Cele două modele se concentrează pe regiuni diferite ale feței:

  • FaceAge analizează în principal pliurile nazolabiale, fruntea deasupra orbitelor și templele.
  • FaceSurvival se concentrează pe zona de sub ochi și pe puntea nasului.
FAHR-FaceAge și FAHR-FaceSurvival: comparație
AspectFAHR-FaceAgeFAHR-FaceSurvival
Ce estimeazăVârsta biologică („vârsta facială”) dintr-o fotografieRiscul de mortalitate la pacienții cu cancer, direct din fotografie
Reglaj fin (fine-tuning)Două etape, pe seturi publice de imagini cu vârstă cunoscută34.363 de fotografii ale pacienților cu cancer
Regiuni faciale analizatePliurile nazolabiale, fruntea deasupra orbitelor, tâmpleleZona de sub ochi, puntea nasului
Rezultat-cheie raportatEroare medie absolută de 5,1 ani pe seturi publiceCel mai înalt quartil de risc: HR ajustat 3,23 față de cel mai scăzut
Ce spun autoriiAbaterea față de vârsta cronologică este asociată independent cu supraviețuireaCele două modele oferă informații prognostice distincte, complementare

Rezultatele principale ale studiului

Studiul a fost validat pe cohorte clinice reale de pacienți cu cancer tratați prin radioterapie:

  • În cohorta Harvard-RT (aproximativ 38.000 de pacienți), pacienții a căror vârstă biologică estimată era cu 5 sau mai mulți ani mai mare decât vârsta cronologică au avut un risc de mortalitate cu 21% mai mare (HR ajustat 1,21). Cei care arătau cu 5 sau mai mulți ani mai tineri aveau un risc cu 17% mai mic (HR 0,83).
  • Modelul FaceSurvival a separat clar grupurile de risc. În grupul cu cel mai ridicat risc, 52,5% dintre pacienți au decedat în 90 de zile, față de doar 2,1% în grupul cu cel mai scăzut risc (conform CNN, 122 de pacienți față de 975). Cel mai înalt quartil de risc a avut un hazard ratio ajustat de 3,23 comparativ cu cel mai scăzut.
  • Performanța a fost validată independent pe cohorta Maastro-RT din Olanda (4.892 de pacienți, adică aproape 5.000).
  • Modelele s-au dovedit robuste la variații comune ale fotografiei (iluminare, expresie, machiaj, poziție) și la majoritatea intervențiilor de chirurgie plastică testate; conform comunicatului, a fost observată doar o mică deplasare după rinoplastie.

Anterior, același grup dezvoltase modelul FaceAge (publicat tot în Lancet Digital Health, în 2025; articolul din 2025), care arăta că pacienții cu cancer arătau în medie cu aproximativ 5 ani mai în vârstă decât vârsta lor cronologică, iar diferența era asociată cu prognosticul.

Rezultatele-cheie raportate (cohorte de pacienți cu cancer tratați prin radioterapie)
IndicatorValoare raportatăCohortă / context
Date de antrenare a modelului fundaționalPeste 40 de milioane de imagini facialeSetul WebFace42M
Eroarea de estimare a vârstei (FAHR-FaceAge)5,1 ani (eroare medie absolută)Seturi de date publice
Vârstă estimată cu ≥5 ani peste cea cronologicăRisc de mortalitate cu 21% mai mare (HR ajustat 1,21)Harvard-RT, aproximativ 38.000 de pacienți
Vârstă estimată cu ≥5 ani sub cea cronologicăRisc de mortalitate cu 17% mai mic (HR 0,83)Harvard-RT, aproximativ 38.000 de pacienți
Mortalitate la 90 de zile (FAHR-FaceSurvival)52,5% în grupul cu cel mai ridicat risc, față de 2,1% în cel cu cel mai scăzut riscConform CNN și News-Medical
Cel mai înalt vs. cel mai scăzut quartil de riscHR ajustat 3,23 (p<0,0001)Rezumatul articolului din The Lancet Digital Health
Validare independentăRezultate confirmate în cohorta externăMaastro-RT (Olanda), 4.892 de pacienți

Implicații clinice și potențial

Instrumentele nu înlocuiesc judecata medicului, ci oferă o măsură obiectivă, consistentă și scalabilă a „rezervei fiziologice” sau a fragilității. Pot ajuta la:

  • Stratificarea riscului înainte de tratamente intensive.
  • Personalizarea planurilor terapeutice.
  • Monitorizarea evoluției în timp (prin fotografii succesive – există și studii pe „Face Aging Rate”, descrise de Harvard Gazette).

Există deja un site public de cercetare (faceage.bwh.harvard.edu) unde oricine poate încărca fotografii (după consimțământ) și primi o estimare a vârstei biologice, contribuind la îmbunătățirea modelelor. Potrivit Boston Globe, peste 10.000 de persoane s-au înscris deja de la lansarea discretă a portalului, în martie; cercetătorii precizează că instrumentul este destinat cercetării, nu diagnosticului.

Limitări și considerații etice

Tehnologia este încă în stadiul de cercetare și validare clinică. Nu este aprobată pentru utilizare diagnostică de rutină. Aspecte importante includ:

  • Diversitatea datelor de antrenament și generalizarea pe toate populațiile.
  • Confidențialitatea și securitatea imaginilor faciale.
  • Riscul de bias algoritmic.
  • Nevoia de supraveghere medicală umană.

Autorii subliniază că scopul este să sprijine, nu să înlocuiască, decizia clinică.

Limitări: rezumat
AspectCe arată sursele consultate
Stadiul tehnologieiCercetare și validare clinică; utilitatea clinică trebuie demonstrată prospectiv (expert extern citat de CNN)
Populații și generalizareModele dezvoltate și validate pe populații de pacienți cu cancer din țări dezvoltate, ceea ce limitează generalizarea; stratificarea pe baza vârstei faciale a fost mai slabă la pacienții de culoare și hispanici decât la cei albi și asiatici, conform News-Medical
Design al studiuluiRetrospectiv, pe pacienți tratați prin radioterapie; mecanismele biologice din spatele predicțiilor rămân neclare
ConfidențialitateFotografiile faciale sunt date biometrice care permit identificarea persoanei
Bias algoritmicNecesită validare riguroasă pe grupuri rasiale și etnice diferite
Rolul mediculuiInstrumentele sprijină decizia clinică, nu o înlocuiesc

Concluzie

FAHR-Face reprezintă un exemplu puternic de cum modelele fundaționale AI pot transforma date cotidiene (o fotografie) în biomarkeri clinici valoroși. În contextul îmbătrânirii populației și al nevoii de medicină personalizată, astfel de instrumente neinvazive ar putea deveni, în opinia noastră și dacă validările prospective o confirmă, parte din evaluarea standard a pacienților, alături de analize de sânge și imagistică.

Perspectivă (opinia noastră, nu o concluzie a studiului): pentru România și ecosistemele de inovare medicală, acest tip de cercetare deschide perspective interesante: integrarea AI-ului de analiză facială în platforme de second opinion, telemedicină sau centre de excelență în neuroștiințe și oncologie.

Notă de verificare: am confruntat cifrele din text cu articolul din The Lancet Digital Health și cu comunicatul instituției. Procentele de 52,5% și 2,1% (mortalitate la 90 de zile) se referă, în sursele consultate, la grupul cu cel mai ridicat, respectiv cel mai scăzut scor de risc (122, respectiv 975 de pacienți, conform CNN), nu neapărat la quartile; hazard ratio de 3,23 se referă la cel mai înalt quartil față de cel mai scăzut. HR de 1,21 și 0,83 corespund unei abateri de cel puțin 5 ani între vârsta estimată și cea cronologică. „Prima demonstrație” este afirmația autorilor (Hugo Aerts: „din câte știm”), nu o constatare independentă. Expresia „vârstă biologică” este folosită aici pentru „vârsta facială” estimată de model.

Informare medicală: Acest articol are caracter strict informativ și nu constituie sfat medical, diagnostic sau recomandare de tratament. Tehnologia descrisă este în stadiu de cercetare. Pentru orice problemă de sănătate, adresați-vă unui medic.

Surse: