هوش مصنوعی FaceAge؛ تخمین سن بیولوژیکی با سلفی برای تشخیص سرطان

به گزارش دیتاسنتر من و به نقل از livescience، سازندگان این ابزار معتقدند FaceAge می‌تواند به پزشکان در تصمیم‌گیری دقیق‌تر درباره‌ی نحوه درمان بیماری‌هایی همچون سرطان کمک کند. با این حال، متخصصان تأکید دارند که پیش از استفاده گسترده از این فناوری، باید شواهد کافی مبنی بر تأثیر مثبت آن بر نتایج درمان و کیفیت زندگی بیماران به‌دست آید.

دکتر هوگو آرتس، مدیر برنامه هوش مصنوعی در پزشکی در بیمارستان ماساچوست جنرال بریگام، در یک نشست خبری که در تاریخ هفتم مه برگزار شد، اظهار کرد:
«زمانی که پزشک با یک بیمار سرطانی مواجه می‌شود، یکی از نخستین اقداماتی که انجام می‌دهد ارزیابی وضعیت عمومی سلامت بیمار است. این ارزیابی معمولاً ذهنی است، اما تأثیر مستقیمی بر تصمیمات بعدی درمان، از جمله شدت و میزان تهاجمی بودن روش درمانی، دارد.»

به گفته‌ی او، مدل FaceAge می‌تواند این ارزیابی ذهنی را به یک معیار کمی و قابل سنجش تبدیل کند و به این ترتیب به پزشکان کمک کند گزینه‌های درمانی را بهتر و متناسب‌تر با وضعیت واقعی بدن بیمار انتخاب کنند.

نحوه آموزش و عملکرد مدل FaceAge

محققان برای آموزش این مدل، از بیش از پنجاه‌و‌هشت هزار عکس از افراد بالای ۶۰ سال استفاده کردند؛ افرادی که فرض بر این بود در زمان ثبت تصویر، از سلامت متناسبی با سن خود برخوردار بودند. در این مرحله، از مدل خواسته شد تا سن تقویمی افراد را تخمین بزند؛ با این فرض که سن بیولوژیکی آن‌ها نیز مشابه همان سن تقویمی است – هرچند خود پژوهشگران اذعان دارند این فرض همیشه دقیق نیست.

بیشتر بخوانید: آیا استرس واقعاً باعث سرطان می‌شود؟

سپس این مدل بر روی بیش از شش‌هزار بیمار مبتلا به سرطان آزمایش شد. نتایج نشان داد که این بیماران به‌طور متوسط حدود پنج سال پیرتر از سن تقویمی خود به نظر می‌رسند. همچنین، یافته‌ها حاکی از آن است که هرچه بیمار در ظاهر مسن‌تر باشد، احتمال بقا پس از درمان کاهش می‌یابد؛ درحالی‌که سن تقویمی، پیش‌بینی‌کننده مناسبی برای بقا نبود.

محدودیت‌ها و چالش‌های اخلاقی

در حال حاضر FaceAge هنوز آماده ورود به محیط‌های درمانی نیست. از جمله محدودیت‌های مهم این مدل می‌توان به مجموعه داده‌های آموزشی آن اشاره کرد که عمدتاً از منابعی مانند IMDb و ویکی‌پدیا جمع‌آوری شده‌اند. این منابع ممکن است به دلیل استفاده از تصاویر روتوش‌شده، تفاوت‌های سبک زندگی یا جراحی‌های زیبایی، نماینده‌ای دقیق از جمعیت عمومی نباشند.

علاوه بر این، محققان اعلام کرده‌اند که در حال توسعه نسخه‌های پیشرفته‌تری از این مدل هستند و اثربخشی آن را در سایر بیماری‌ها نیز مورد بررسی قرار خواهند داد. در کنار این تلاش‌ها، بررسی فاکتورهایی که FaceAge برای پیش‌بینی سن بیولوژیکی از آن‌ها بهره می‌گیرد، نیز در دستور کار قرار دارد.

دکتر ری مک، متخصص انکولوژی پرتودرمانی در بیمارستان ماساچوست، عنوان کرد که این مدل می‌تواند در تنظیم شدت درمان‌هایی مانند شیمی‌درمانی و پرتودرمانی بر اساس وضعیت واقعی بیمار مؤثر واقع شود. به گفته او، یک کارآزمایی بالینی جدید نیز در دست اجراست که در آن دقت FaceAge با معیارهای سنتی ارزیابی وضعیت بیماران مقایسه خواهد شد.

آینده FaceAge در پزشکی

کارشناسان همچنین بر لزوم تدوین دستورالعمل‌های اخلاقی برای استفاده از این فناوری تأکید دارند. برای مثال، باید مشخص شود که آیا شرکت‌های بیمه سلامت یا بیمه عمر می‌توانند به اطلاعات FaceAge دسترسی داشته باشند یا خیر. دکتر آرتس در این رابطه گفت: «ضروری است اطمینان حاصل شود که این فناوری‌ها صرفاً در راستای منافع بیماران به کار گرفته می‌شوند.»

بیشتر بخوانید: ۱۷ نوع سرطان که بیشتر نسل جوان را مبتلا می‌کند

نیکولا وایت، پژوهشگر مراقبت‌های تسکینی در دانشگاه کالج لندن که در این مطالعه مشارکتی نداشته، هشدار داد: «زمانی که پای تصمیمات پزشکی درباره انسان‌ها در میان است، استفاده از آمار و داده‌ها باید با نهایت دقت و حساسیت همراه باشد.»

او تأکید کرد که لازم است مطالعات بلندمدتی برای بررسی تأثیر احتمالی FaceAge بر کیفیت زندگی بیماران طراحی و اجرا شود.

در نهایت، پژوهشگران تأکید می‌کنند که این مدل به‌هیچ‌وجه جایگزین قضاوت بالینی پزشک نخواهد شد، بلکه می‌تواند در کنار سایر داده‌های پزشکی، به شخصی‌سازی درمان و بهبود تصمیم‌گیری‌های درمانی کمک کند؛ همانند داشتن یک نشانگر حیاتی جدید در پرونده سلامت بیمار.