Tvář jako zrcadlo zdraví: Umělá inteligence dokáže z fotografie odhadnout riziko úmrtí u pacientů s rakovinou

Vědci tvrdí, že vyvinuli nový základní model umělé inteligence, vycvičený na více než 40 milionech fotografií lidských tváří, který může pomoci odhadovat riziko úmrtí u pacientů s rakovinou.

Technologie navazuje na práci vědců z bostonské nemocniční sítě Mass General Brigham, kteří už dříve vytvořili systém FaceAge. Ten z fotografie obličeje odhaduje biologický věk člověka, jenž vypovídá o stavu jeho organismu, nikoli pouze o počtu let, které uplynuly od jeho narození.

Nový systém dostal název FAHR-FaceSurvival. Podrobnosti o něm přinesla studie zveřejněná v pondělí v časopise The Lancet Digital Health.

„Poprvé jsme ukázali, že dokážeme přímo předpovědět riziko úmrtí člověka – nejen jeho biologický věk, ale skutečně riziko úmrtí – a to pouze na základě fotografie,“ uvádí Raymond Mak, radiační onkolog z onkologického institutu Mass General Brigham Cancer Institute a jeden z autorů studie.

Od biologického věku k odhadu přežití

Pacienti, u nichž systém FAHR-FaceSurvival vyhodnotil riziko úmrtí jako nejvyšší, měli výrazně horší prognózu: přibližně polovina z nich zemřela do 90 dnů. Ve skupině s nejnižším odhadovaným rizikem to byla jen dvě procenta.

Vědci využili také odhady biologického věku, aby lépe předpovídali další vývoj onemocnění u lidí s rakovinou. Zjistili, že pacienti, jejichž biologický věk převyšoval věk skutečný, mívají horší vyhlídky.

„Před rokem publikovaná studie původního systému FaceAge představovala důkaz, že je možné natrénovat algoritmus, který z fotografie obličeje odhadne biologický věk,“ vysvětluje Mak.

Systém FAHR-FaceAge podle něj odhaduje věk přesněji než původní FaceAge a zároveň lépe slouží jako ukazatel prognózy u pacientů s rakovinou. Druhý systém, FAHR-FaceSurvival, se zaměřuje přímo na předpověď rizika úmrtí těchto pacientů.

Za jeden z nejdůležitějších poznatků Mak považuje zjištění, že z jediné fotografie obličeje a pomocí základního modelu lze vytvořit několik různých algoritmů, které dokážou rozpoznávat odlišné zdravotní ukazatele.

Díky novému základnímu modelu FAHR-Face mohl Makův tým využít existující soubory dat obsahující fotografie více než 30 000 pacientů s rakovinou spolu s informacemi o jejich zdravotním stavu a dalším osudu.

„Mohli jsme vzít fotografie a propojit je se známými údaji o dalším průběhu onemocnění – tedy s dobou přežití, informací, zda pacient po stanovení diagnózy rakoviny zemřel a kdy, nebo zda nemoc přežil,“ uvedl Mak. Právě na těchto údajích tým systém FAHR-FaceSurvival natrénoval.

Co umělá inteligence vidí?

Vědci v rámci studie vytvořili takzvané mapy pozornosti, které jim měly pomoci zjistit, na které části obličeje se natrénované modely při předpovídání dalšího osudu pacientů zaměřují.

FAHR-FaceSurvival věnoval největší pozornost oblasti pod očima, včetně kořene nosu. Model FAHR-FaceAge se soustředil především na nosoretní rýhy, čelo a oblast spánkového svalu. To podtrhuje význam změn souvisejících se stárnutím, které se v těchto místech projevují.
Zatím však není jasné, jaké konkrétní znaky algoritmy v těchto oblastech zachytily ani jak na jejich základě dospěly ke svým závěrům.

„Jednou z fascinujících otázek, na které dosud neznáme odpověď, je, co přesně algoritmus vidí,“ uvádí Suchi Saria, profesorka a ředitelka laboratoře Machine Learning and Healthcare na Univerzitě Johnse Hopkinse, která se na studii nepodílela. „Zatím ale nevíme, které fyziologické znaky v těchto oblastech nesou příslušnou informaci. Kdybychom tomu porozuměli, mohli bychom určit, zda model objevuje skutečně nový biomarker, nebo jen měří viditelné projevy nemoci, které lékaři už dokážou rozpoznat.“

Když se Maka zeptali na možné vysvětlení toho, čeho si umělá inteligence všímá, připomněl spisy Hippokrata. Ten ve své knize O prognóze, napsané přibližně kolem roku 400 př. n. l., popsal takzvanou „tvář smrti“. Charakterizoval ji mimo jiné ostrým nosem, vpadlýma očima a propadlými spánky.

Mak uvádí, že v rámci své praxe pozoroval u pacientů blížících se smrti charakteristické změny vzhledu obličeje. Patřily k němu propadlé spánky, vpadlé oči a úbytek měkkých tkání kolem nosu. Z klinického hlediska se domnívá, že by umělá inteligence mohla rozpoznávat právě úbytek měkkých tkání a svalové hmoty. „To je ale zatím jen spekulace,“ dodává onkolog.

Zároveň zdůrazňuje, že algoritmy vycházejí pouze z počítačového zpracování obrazu a nevyhledávají další vodítka na internetu. K dispozici měly pouze fotografii obličeje a buď údaj o věku daného člověka, nebo datum jeho úmrtí či dobu přežití. Umělá inteligence tedy neměla přístup k Hippokratovým pozorováním ani k poznatkům kohokoli jiného.

Přináší AI něco navíc oproti tomu, co dokážou lékaři?

Emma Piersonová, odborná asistentka informatiky a členka týmu programu Computational Precision Health na Kalifornské univerzitě v Berkeley, která se na studii nepodílela, označila výsledky za „vědecky zajímavé“. Zároveň ale přišla s otázkou, zda lékaři už nyní některé části pacientova obličeje nevědomky neposuzují podobným způsobem, jaký Mak využívá při své klinické praxi, byť nikoli zcela systematicky.

Než by Piersonová doporučila zavedení modelu do klinické praxe, chtěla by vidět přesvědčivé důkazy, že skutečně zlepšuje předpovědi a přináší informace, které jinak nelze získat.

„Ukázat, že fotografie dokáže předpovědět přežití, není totéž jako dokázat, že nám říká něco, co už lékař neví. A ani to ještě neznamená, že využití této předpovědi zlepší péči o pacienty,“ upozorňuje Saria. „Dalším experimentem, jehož výsledky bych chtěla vidět, je porovnání nejlepší předpovědi, kterou lze sestavit na základě informací, jež má lékař už nyní k dispozici, s předpovědí doplněnou o model analyzující obličej. Zajímalo by mě, o kolik se tím výsledek zlepší.“

Piersonová také upozorňuje, že studie zohledňovala faktory, jako jsou věk, pohlaví, rasa či etnický původ, místo výskytu nádoru a některé aspekty léčby. Při předběžném posouzení však podle ní nenašla komplexní ukazatele křehkosti pacienta, tedy jeho fyzické zranitelnosti a schopnosti snášet nemoc i léčbu.

Ačkoli nová studie při analýze přežití formální hodnocení křehkosti pacientů nezahrnuje, Mak popsal samostatnou klinickou studii, která se zabývá staršími pacienty s rakovinou plic podstupujícími radioterapii. Vědci v ní porovnávají odhady biologického věku pomocí FaceAge s hodnocením fyzické síly pacientů a jejich tělesných rezerv, tedy schopnosti zvládat zátěž.

Podle Piersonové také existuje riziko, že by umělá inteligence mohla vytvářet rasové předsudky. „Kdykoli trénujete model na lidských tvářích, nepřímo do jeho předpovědí zahrnujete i rasu pacientů,“ upozorňuje. 

Využívání rasy při vytváření lékařských předpovědí je přitom podle ní „mimořádně kontroverzní“. Pokud například pacienti z určité rasové skupiny v minulosti dostávali horší onkologickou péči, mohla by se podle ní umělá inteligence trénovaná na fotografiích obličejů naučit tyto nerovnosti reprodukovat a „zakódovat rasové předsudky přímo do svého modelu“.

Vědci upozorňují, že studie zahrnovala pouze pacienty s rakovinou, navíc převážně z vyspělých zemí s vysokými příjmy. Výsledky je proto třeba ověřit na širším a reprezentativnějším vzorku pacientů a v prospektivních klinických studiích také zjistit, zda použití algoritmů společně se stávajícími prognostickými modely skutečně přináší lepší výsledky.

Nadějná technologie, nezodpovězené otázky

V jiné studii, zveřejněné na začátku letošního roku, Mak a jeho kolegové analyzovali snímky pořízené v průběhu několika let. Zkoumali, jak se odhady biologického věku v čase mění a jak tyto změny souvisejí s délkou přežití.

Vědci zároveň vidí možnosti širšího využití podobných metod i mimo onkologii, a to s pomocí relativně omezeného množství klinických údajů.

Saria považuje studii za „důmyslnou a velmi dobře zpracovanou demonstraci toho, že vzhled lidské tváře obsahuje skutečně užitečné informace pro předpovídání zdravotního vývoje. […] Za nejdůležitější vědecký přínos považuji to, že výsledky naznačují existenci měřitelných zdravotních informací v lidské tváři, které jsme dosud nedokázali příliš dobře kvantifikovat.“

„Máme možnost vytvořit několik různých zdravotních biomarkerů z jediné fotografie obličeje, a to pomocí několika odlišných algoritmů umělé inteligence,“ uvádí Mak. A připomíná, že získávání biomarkerů pomocí fotoaparátu nebo webkamery je levnější než s využitím jakékoli jiné zobrazovací metody. „Opravdu máme pocit, že stojíme na začátku zcela nového oboru medicíny.“