A partir de una selfie, esta IA estima la probabilidad de supervivencia de un paciente con cáncer
Una selfie podría ser suficiente para estimar las probabilidades de supervivencia de los pacientes con cáncer. Investigadores de Mass General Brigham (MGB) crearon un modelo de inteligencia artificial (IA) capaz de calcular la edad biológica y predecir el riesgo de mortalidad en personas con neoplasias malignas mediante el análisis de imágenes faciales. El sistema podría convertirse en una herramienta de apoyo para desarrollar tratamientos personalizados para diferentes padecimientos.
Diversos especialistas sostienen que las imágenes faciales tienen potencial para funcionar como un biomarcador no invasivo y accesible para evaluar el estado general de salud y el avance del envejecimiento. Sin embargo, cuantificar y cualificar la información que aporta la apariencia del rostro sigue siendo un desafío, debido a la dificultad para establecer una interpretación objetiva de los rasgos.
Investigaciones previas sugieren que los avances en IA podrían contribuir a resolver este problema. En años recientes, se han desarrollado modelos experimentales diseñados para predecir, entre otros aspectos, el riesgo de mortalidad por diversas causas y la progresión de ciertas enfermedades por medio del análisis de fotografías de millones de pacientes.
No obstante, muchos de estos algoritmos presentan limitaciones derivadas de la falta de datos representativos de distintas poblaciones y de los sesgos presentes en la información utilizada para entrenarlos. En la práctica, esto puede traducirse en resultados poco precisos, especialmente cuando los modelos se aplican a grupos de personas que no estuvieron representados durante su desarrollo.
Los especialistas de MGB intentaron superar estas inconsistencias con FAHR-Face, un modelo de IA entrenado con más de 40 millones de fotografías de rostros mediante técnicas de aprendizaje autosupervisado. Este método permitió al sistema aprender a reconocer características y patrones visuales sin depender de diagnósticos médicos asociados con esos rasgos.
Después de esta primera etapa, centrada en identificar características generales, el modelo adquirió la capacidad de relacionar los elementos de las imágenes y especializarse en tareas concretas, como reconocer señales asociadas con enfermedades. Para ello, se utilizaron conjuntos de fotografías mucho más pequeños que podían incluir información clínica.
Hugo Aerts, director del programa de Inteligencia Artificial en Medicina (AIM) de MGB y coautor del estudio, explica que “este enfoque basado en un modelo fundamental nos proporciona una forma escalable de desarrollar múltiples biomarcadores de salud facial, en lugar de entrenar cada modelo desde cero”.
El trabajo, publicado en la revista The Lancet Digital Health, describe cómo los investigadores utilizaron FAHR-Face para desarrollar dos herramientas destinadas a proporcionar información pronóstica complementaria sobre el riesgo de mortalidad.
La primera, denominada FAHR-FaceAge, fue diseñada para estimar la edad biológica de una persona a partir de su rostro. Para desarrollarla, el algoritmo se entrenó en dos etapas con diez conjuntos de datos de acceso público que reunían 743,152 imágenes de personas cuya edad cronológica era conocida.
Para evaluar su capacidad, los investigadores realizaron una prueba de control en la que el sistema debía calcular la edad de diferentes individuos a partir de fotografías que no se habían utilizado durante su entrenamiento. Posteriormente, repitieron el ejercicio con imágenes de más de 4,890 pacientes que habían recibido radioterapia.
Una IA para estimar el envejecimiento biológico
Los resultados mostraron que las estimaciones del algoritmo se desviaron de la edad cronológica en un promedio de 5.1 años durante la prueba general y de casi siete años en el análisis de los pacientes sometidos a radioterapia. Los investigadores interpretan esta diferencia como un posible indicador de envejecimiento biológico acelerado.
En una segunda prueba, los especialistas analizaron la relación entre este indicador y la supervivencia de 38,183 pacientes con cáncer que habían recibido radioterapia. El análisis reveló que quienes presentaban una edad biológica estimada al menos cinco años superior a su edad cronológica tenían un riesgo de muerte 21% mayor que el resto de los participantes. Esto sugiere que, dentro de la población estudiada, las personas cuyos rostros reflejaban una edad considerablemente superior a la real también presentaban una mayor probabilidad de fallecer.
De esta manera, los investigadores encontraron que FAHR-FaceAge puede estimar la edad biológica de los pacientes y que esa estimación está asociada con sus probabilidades de supervivencia tras el cáncer.
Y otra para calcular la probabilidad de supervivencia
En contraste, el segundo algoritmo, denominado FAHR-FaceSurvival, fue diseñado para pronosticar el riesgo de mortalidad directamente a partir de una fotografía facial, sin recurrir a una estimación de la edad biológica.
Este sistema se entrenó con más de 34,360 fotografías de pacientes con cáncer, acompañadas de información sobre su supervivencia. Así, el modelo aprendió a identificar características faciales que podrían estar relacionadas con el tiempo de vida de las personas después del diagnóstico.
Para evaluar su desempeño, los científicos dividieron a los pacientes en cuatro grupos, de acuerdo con el nivel de riesgo calculado por la IA. El grupo identificado con mayor riesgo registró una mortalidad superior al triple de la observada entre quienes tenían el riesgo más bajo. Esta diferencia se mantuvo incluso después de considerar factores como la edad, el sexo, el tipo de cáncer, la intención del tratamiento y la técnica de radioterapia utilizada.
“FAHR-FaceSurvival impulsa el campo de la IA de reconocimiento de la salud facial un paso más allá al aprender el riesgo de supervivencia directamente a partir de fotografías faciales de pacientes con cáncer. Hasta donde sabemos, esta es la primera demostración de que un modelo de IA puede predecir directamente la supervivencia al cáncer a partir de una simple fotografía”, afirmó Aerts.
Aunque ambas herramientas utilizan el mismo modelo de IA como base y analizan rasgos faciales para elaborar sus pronósticos, los autores destacan que las estimaciones de la edad biológica y las predicciones directas de supervivencia no parecen depender de las mismas características fisiológicas.
La IA es precisa, pero no sustituye al criterio humano
Mientras FAHR-FaceAge basó sus resultados en zonas como los pliegues nasolabiales y las sienes, relacionadas con cambios visibles asociados al envejecimiento, FAHR-FaceSurvival se concentró en las regiones situadas debajo de los ojos y alrededor de la nariz. Estas diferencias respaldan la hipótesis de los investigadores de que los indicadores relacionados con el envejecimiento y aquellos vinculados con la supervivencia podrían complementarse para obtener pronósticos más precisos.
Los científicos aclaran que ambos sistemas están concebidos como herramientas de asistencia para complementar la evaluación clínica y respaldar decisiones adaptadas a cada paciente, no para reemplazar el criterio de los profesionales de la salud.
Raymond Mak, miembro del AIM y coautor del estudio, señala: “Nuestro objetivo es lograr que la evaluación de la salud basada en fotografías faciales sea más cuantitativa, consistente y escalable, de modo que pueda respaldar las decisiones de tratamiento personalizadas en lugar de sustituir el criterio médico”.
Los autores reconocen que las herramientas propuestas tienen limitaciones. Aunque los modelos pueden estimar la edad biológica y predecir la supervivencia a partir de fotografías tomadas con diferentes condiciones de iluminación, expresiones faciales o ángulos, e incluso cuando las personas llevan maquillaje, los algoritmos no están exentos de errores. Además, sus resultados no permiten identificar los mecanismos biológicos que explicarían las predicciones.
Pese a estas limitaciones, Mak destaca su posible utilidad frente a las necesidades de la medicina actual. “A medida que la población envejece, los médicos necesitan mejores maneras de estimar la reserva física y la fragilidad antes de recomendar tratamientos intensivos como la radioterapia, la cirugía o la terapia sistémica”, concluye.