Τεχνολογία

Μπορεί η ΑΙ να «διαβάσει» τις πιθανότητες επιβίωσης καρκινοπαθούς μέσω μιας… σέλφι;

Μπορεί η ΑΙ να «διαβάσει» τις πιθανότητες επιβίωσης καρκινοπαθούς μέσω μιας… σέλφι;
Επιστήμονες δημιούργησαν ένα εργαλείο τεχνητής νοημοσύνης που, σύμφωνα με τους ίδιους, εκτιμά τις πιθανότητες επιβίωσης καρκινοπαθών μέσω μιας φωτογραφίας του προσώπου τους.

Οι επιστήμονες ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης που, όπως υποστηρίζουν, μπορεί να προβλέψει τις πιθανότητες επιβίωσης ενός ασθενούς με καρκίνο από μια μόνο φωτογραφία του προσώπου του.

Το σύστημα τεχνητής νοημοσύνης δημιουργήθηκε από ειδικούς του Mass General Brigham, ενός μη κερδοσκοπικού, συστήματος υγειονομικής περίθαλψης στη Μασαχουσέτη, για την αξιολόγηση της βιολογικής ηλικίας και την άμεση πρόβλεψη των αποτελεσμάτων σε ασθενείς με καρκίνο.

Καθώς η εμφάνιση του προσώπου αποτελεί ένα μη επεμβατικό δείκτη της υγείας, πρόκειται για μία από τις πιο ολοκληρωμένες ενδείξεις έως τώρα σχετικά με τον τρόπο με τον οποίο η ανάλυση μιας selfie μέσω τεχνητής νοημοσύνης θα μπορούσε να συμβάλει στην αξιολόγηση της υγείας ενός ασθενούς και, ενδεχομένως, τον καθορισμό του τρόπου θεραπείας του.

Σύμφωνα με τα ευρήματα που δημοσιεύτηκαν στο επιστημονικό περιοδικό Lancet Digital Health, το σύστημα εκπαιδεύτηκε με δεδομένα από περισσότερες από 40 εκατομμύρια φωτογραφίες προσώπου που καλύπτουν ένα ευρύ φάσμα εθνοτήτων και ηλικιών.

Τα μοντέλα και οι αλγόριθμοι

Οι επιστήμονες προσάρμοσαν το σύστημα σε δύο διακριτές εφαρμογές: την εκτίμηση της βιολογικής ηλικίας (FAHR-FaceAge) που εκτιμά τη βιολογική ηλικία ενός ασθενούς και προβλέπει τις πιθανότητες επιβίωσης από τον καρκίνο και την πρόβλεψη επιβίωσης (FAHR-FaceSurvival) που προβλέπει την επιβίωση απευθείας από μια φωτογραφία του προσώπου, αντί να συνάγει τις πιθανότητες μέσω της βιολογικής ηλικίας.

Αν και τα FAHR-FaceAge και FAHR-FaceSurvival προέρχονται από το ίδιο μοντέλο, καταγράφουν διαφορετικές και συμπληρωματικές πληροφορίες σχετικά με την υγεία ενός ασθενούς.

Κάθε αλγόριθμος βασίζεται επίσης σε διαφορετικά τμήματα του προσώπου για τις αντίστοιχες προβλέψεις σχετικά με την ηλικία και τον κίνδυνο θνησιμότητας. Το FAHR-FaceAge εστιάζει στις ρυτίδες που εκτείνονται από τις πλευρές της μύτης έως τις γωνίες του στόματος, στην περιοχή του μετώπου ακριβώς πάνω από τις κόγχες των ματιών και στους κροτάφους. Το FAHR-FaceSurvival, από την άλλη, αξιολογεί την περιοχή κάτω από τα μάτια και γύρω από τη γέφυρα της μύτης.

«Το FAHR-FaceSurvival προωθεί τον τομέα της τεχνητής νοημοσύνης για την αναγνώριση της υγείας του προσώπου ένα βήμα παραπέρα, μαθαίνοντας τον κίνδυνο επιβίωσης απευθείας από φωτογραφίες του προσώπου ασθενών με καρκίνο», σημειώνει ο Χιούγκο Αερτς, εκ των συντακτών της μελέτης. «Από ό,τι γνωρίζουμε, αυτή είναι η πρώτη απόδειξη ότι ένα μοντέλο τεχνητής νοημοσύνης μπορεί να προβλέψει άμεσα την επιβίωση από τον καρκίνο με βάση μια απλή φωτογραφία.»

Τα αποτελέσματα της μελέτης υποδηλώνουν ότι η εκτίμηση της βιολογικής ηλικίας συνδέεται στενά με τη σωματική υγεία, κάτι που θα μπορούσε να αντανακλά την ικανότητα των ατόμων να αντέξουν ορισμένες θεραπείες.

Η σημαντική αυτή ανακάλυψη θα μπορούσε να ανοίξει τον δρόμο για την ανάλυση του προσώπου μέσω τεχνητής νοημοσύνης, ώστε να βοηθά τους γιατρούς στη λήψη δύσκολων αποφάσεων σχετικά με την καλύτερη θεραπευτική πορεία για τους ασθενείς τους.

Το εργαλείο αυτό θα μπορούσε να συμβάλει στην καλύτερη πρόβλεψη του κινδύνου θανάτου ή επιπλοκών μετά από μεγάλη χειρουργική επέμβαση ή άλλες θεραπείες για τον καρκίνο.

Πηγή: Pagenews.gr