Το άρθρο εξετάζει την καινοτόμο τεχνολογία του FaceAge, η οποία χρησιμοποιεί τεχνητή νοημοσύνη για να αναλύσει φωτογραφίες προσώπου και να εκτιμήσει τη βιολογική ηλικία ενός ατόμου, καθώς και να προβλέψει το προσδόκιμο ζωής του. Μέσα από την ανάλυση χαρακτηριστικών του προσώπου, το FaceAge μπορεί να εντοπίσει κρυφά σημάδια γήρανσης και να προσφέρει πληροφορίες για πιθανούς κινδύνους υγείας, όπως ο καρκίνος.

Η τεχνολογία αυτή έχει τη δυνατότητα να μεταμορφώσει τις διαγνωστικές διαδικασίες, επιτρέποντας στους γιατρούς να παρέχουν πιο εξατομικευμένη φροντίδα και να βελτιώσουν τις ιατρικές εκβάσεις. Οι ερευνητές συνεχίζουν να επεκτείνουν τη χρήση της και να αναπτύσσουν νέες εφαρμογές για την υποστήριξη της υγειονομικής περίθαλψης.

Πιο αναλυτικά

Τι θα γινόταν αν ο επόμενος ιατρικός σας έλεγχος ξεκινούσε με μια σέλφι; Νέα εργαλεία τεχνητής νοημοσύνης μπορούν να αναλύσουν το πρόσωπό σας για να εκτιμήσουν τη βιολογική σας ηλικία — και ακόμη και να προβλέψουν πόσο μπορεί να ζήσετε. Από την πρόγνωση του καρκίνου μέχρι τις εξατομικευμένες θεραπείες, το FaceAge έχει τη δυνατότητα να μεταμορφώσει την εκτίμηση, τη διάγνωση αλλά και τη θεραπεία.

Η τεχνητή νοημοσύνη αναλύει φωτογραφία του προσώπου και αποκαλύπτει τη βιολογική ηλικία και τον μελλοντικό μας κίνδυνο για ασθένειες

Τι θα γινόταν αν μια σέλφι μπορούσε να κάνει περισσότερα από το να μαζέψει likes και κολακευτικά σχόλια, αλλά αποκάλυπτε τους κινδύνους για την υγεία σας και ακόμη και να προβλέψει το προσδόκιμο ζωής σας; Οι εξελίξεις στην τεχνητή νοημοσύνη μετατρέπουν αυτό το ερώτημα σε πραγματικότητα, με εργαλεία όπως το FaceAge που αναλύουν χαρακτηριστικά του προσώπου για να εκτιμήσουν τη βιολογική ηλικία και να προβλέψουν ιατρικές εκβάσεις σε θεραπείες. Σε συνδυασμό με άλλες τεχνολογίες που βασίζονται στην τεχνητή νοημοσύνη, αυτή η νέα γενιά διαγνωστικών εργαλείων αναδιαμορφώνει την υγειονομική περίθαλψη, προσφέροντας στους γιατρούς βαθύτερες γνώσεις και στους ασθενείς πιο εξατομικευμένη φροντίδα.

Ιατρικά εργαλεία με τεχνητή νοημοσύνη ενισχύουν την ιατρική φροντίδα και αποκαλύπτουν κρυφά σημάδια γήρανσης

Σύμφωνα με την εργασία του 2025 με τίτλο «Artificial intelligence tools in supporting healthcare professionals for tailored patient care», οι ερευνητές ανέλυσαν πάνω από 528.000 μηνύματα από 11.123 ασθενείς με διαβήτη, χρησιμοποιώντας επεξεργασία φυσικής γλώσσας για να εντοπίσουν βασικές ανησυχίες και να αναπτύξουν εργαλεία τεχνητής νοημοσύνης που αντιμετωπίζουν θέματα όπως η διατροφή, τα αποτελέσματα των εξετάσεων και η διαχείριση φαρμάκων. Οι κλινικοί γιατροί βρήκαν τις εφαρμογές τεχνητής νοημοσύνης για την εκπαίδευση ασθενών και την υποστήριξη της διοίκησης ιδιαίτερα χρήσιμες, αν και εξέφρασαν επιφυλάξεις για εργαλεία που ενσωματώνονται σε βάθος με τα δεδομένα των ασθενών.

Άλλα εργαλεία που βασίζονται στην τεχνητή νοημοσύνη επαναστατούν στην αξιολόγηση της βιολογικής ηλικίας και της συνολικής υγείας:

• FaceAge: Αναπτύχθηκε από το Mass General Brigham, αυτός ο αλγόριθμος βαθιάς μάθησης εκτιμά τη βιολογική ηλικία από φωτογραφίες προσώπου, βοηθώντας στην πρόβλεψη της επιβίωσης από καρκίνο.
• RetiAGE: Χρησιμοποιεί εικόνες αμφιβληστροειδούς για να προβλέψει τη βιολογική ηλικία, προσφέροντας πληροφορίες για κινδύνους όπως οι καρδιαγγειακές παθήσεις και η χρόνια αποφρακτική πνευμονοπάθεια.
• iAge: Ένα φλεγμονώδες «ρολόι γήρανσης» που αξιολογεί δείκτες του ανοσοποιητικού συστήματος για να καθορίσει τη βιολογική ηλικία, συσχετιζόμενο με κινδύνους πολυνοσηρότητας και καρδιαγγειακής γήρανσης.
• Epigenetic clocks: Εργαλεία όπως το ρολόι του Horvath αναλύουν μοτίβα μεθυλίωσης DNA για να εκτιμήσουν τη βιολογική ηλικία, προσφέροντας μια μοριακού επιπέδου κατανόηση των διαδικασιών γήρανσης.

Αυτές οι τεχνολογίες επιτρέπουν πιο εξατομικευμένη ιατρική φροντίδα, προσφέροντας βαθύτερη κατανόηση της φυσιολογικής κατάστασης ενός ατόμου πέρα από τη χρονολογική ηλικία.

Νέο εργαλείο AI χρησιμοποιεί φωτογραφίες προσώπου για να αποκαλύψει με ακρίβεια σημάδια γήρανσης και να προβλέψει ιατρικές εκβάσεις σε ασθενείς

Φανταστείτε αν μια και μόνο φωτογραφία μπορούσε να αποκαλύψει περισσότερα για την υγεία σας απ’ ό,τι ο τελευταίος ιατρικός σας έλεγχος. Πρωτοποριακή μελέτη από το Mass General Brigham, που δημοσιεύτηκε στο The Lancet Digital Health, παρουσιάζει το FaceAge — ένα εργαλείο τεχνητής νοημοσύνης που εκτιμά τη βιολογική ηλικία από μια απλή φωτογραφία.

«Οι γιατροί, και εγώ ο ίδιος, βασιζόμαστε ακόμη στο τεστ του “ματιού” — μια απόφαση του δευτερολέπτου για το αν ένας ασθενής δείχνει δυνατός ή εύθραυστος», είπε ο Dr. Raymond Mak, ακτινοθεραπευτής στο Dana-Farber Cancer Center και συν-συγγραφέας της μελέτης, σύμφωνα με το Flow Space. «Αυτή η ενστικτώδης εκτίμηση είναι υποκειμενική, όμως επηρεάζει τις αποφάσεις για θεραπείες καθημερινά», είπε στο Flow Space.

Οι ερευνητές ήθελαν να δουν πόσο καλά θα μπορούσε να υποστηρίξει η τεχνητή νοημοσύνη τη διάγνωση. Διαπίστωσαν ότι μεταξύ των καρκινοπαθών, το να δείχνει κάποιος βιολογικά μεγαλύτερος από την πραγματική του ηλικία συνδεόταν με χαμηλότερα ποσοστά επιβίωσης — κατά μέσο όρο, το FaceAge βαθμολογούσε τους ασθενείς περίπου πέντε χρόνια μεγαλύτερους από τη χρονολογική τους ηλικία.

Το FaceAge δεν ανίχνευσε μόνο διακριτικά μοτίβα γήρανσης αόρατα στο ανθρώπινο μάτι, αλλά ξεπέρασε και τους γιατρούς στην πρόβλεψη του προσδόκιμου ζωής σε ασθενείς με παρηγορική φροντίδα. «Στόχος μας ήταν να βελτιώσουμε αυτή την κρίση από μια υποκειμενική ματιά σε μια αναπαραγώγιμη, δεδομενοκεντρική μέτρηση», είπε ο Mak. «Ένα τέτοιο εργαλείο δίνει τη δυνατότητα στους γιατρούς να αξιολογούν την υγεία των ασθενών με χαμηλό κόστος και επαναλαμβανόμενα με μία απλή φωτογραφία προσώπου».

Πώς λειτουργεί το FaceAge

Το FaceAge λειτουργεί αναλύοντας την εικόνα ενός ασθενούς σε σύγκριση με μια τεράστια βάση δεδομένων υγιών ατόμων και καρκινοπαθών. Η ομάδα του Mak επέκτεινε πρόσφατα το σύνολο δεδομένων τους ώστε να περιλαμβάνει εκατομμύρια υγιή άτομα και πάνω από 20.000 καρκινοπαθείς για να βελτιώσει την ακρίβεια και να δοκιμάσει την απόδοση σε διάφορους πληθυσμούς.

«Επίσης, κάνουμε τεχνική δουλειά για να κατανοήσουμε πώς αποδίδει ο αλγόριθμος σε διαφορετικές συνθήκες, όπως διαφορετικός τόνος δέρματος, επίδραση της αισθητικής χειρουργικής, χρήση μακιγιάζ ή διαφορετικές συνθήκες φωτισμού και εκφράσεις προσώπου, όπως αν κάποιος χαμογελά ή είναι λυπημένος», είπε. Κάθε εικόνα αποδίδει μια συνεπή εκτίμηση βιολογικής ηλικίας — ανεπηρέαστη από προκαταλήψεις του γιατρού, κούραση ή εμπειρία. «Βγάζουμε σέλφι για να εκτιμήσουμε την υγεία μας!», αναφώνησε ο Mak.

«Όταν εκπαιδεύεται σε ένα μεγάλο και δημογραφικά ποικιλόμορφο σύνολο φωτογραφιών προσώπου, ο αλγόριθμος εφαρμόζει έναν συνεπή κανόνα σε κάθε εικόνα, μειώνοντας τη μεταβλητότητα που εισχωρεί στις οπτικές αξιολογήσεις από άτομο σε άτομο», πρόσθεσε. «Δεν αντικαθιστά την κρίση του γιατρού, αλλά την υποστηρίζει με ένα αντικειμενικό σημείο αναφοράς και επισημαίνει όταν η βιολογική ηλικία ενός ασθενούς φαίνεται να διαφέρει από τη χρονολογική ηλικία του».

Αν και απαιτείται περισσότερη επιβεβαίωση — ειδικά σε νεότερες και πιο εθνοτικά ποικίλες ομάδες — το FaceAge παρείχε στατιστικά σημαντικές προγνωστικές πληροφορίες πέρα από τους παραδοσιακούς κλινικούς παράγοντες. «Επισημαίνοντας άτομα που είναι βιολογικά μεγαλύτερα από τη χρονολογική τους ηλικία, η τεχνολογία θα μπορούσε να μας βοηθήσει να εντοπίσουμε αυξημένο κίνδυνο για ηλικιακές παθήσεις όπως ο καρκίνος και τα καρδιαγγειακά νοσήματα», είπε ο Mak.

Πώς η τεχνητή νοημοσύνη βελτιώνει την ιατρική περίθαλψη

Για τις γυναίκες μέσης ηλικίας — που διαγιγνώσκονται συχνότερα με καρκίνο του μαστού, του πνεύμονα και του γαστρεντερικού — το FaceAge θα μπορούσε να μεταμορφώσει τη διάγνωση. «Τα νέα μοντέλα τεχνητής νοημοσύνης είναι διαφορετικής φύσης από αυτά των αρχών του 2000, πλέον με ικανότητα μάθησης και εξέλιξης», είπε η Αμερικανή Dr. Katerina Dodelzon, ακτινολόγος στον τομέα της απεικόνισης του μαστού και αναπληρώτρια καθηγήτρια στην Weill Cornell Medicine.

«Οι νέες εξελίξεις στην τεχνητή νοημοσύνη περιλαμβάνουν υποκατηγορίες όπως η μηχανική μάθηση… και η βαθιά μάθηση, που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα. Όσο περισσότερα δεδομένα βλέπει ένα μοντέλο μηχανικής μάθησης, τόσο καλύτερα αποδίδει με τον χρόνο».

Λέει επίσης ότι μπορεί να βοηθήσει σε:

1. Πρώιμη και ακριβέστερη ανίχνευση

Οι γυναίκες μέσης ηλικίας επωφελούνται σημαντικά από την πρώιμη ανίχνευση του καρκίνου, η οποία αυξάνει τα ποσοστά επιβίωσης:

• Καρκίνου του μαστού: Η τεχνητή νοημοσύνη μπορεί να εντοπίσει διακριτικές αλλαγές σε μαστογραφίες έως και δύο χρόνια νωρίτερα από τους ακτινολόγους.
• Καρκίνου του πνεύμονα: Η τεχνητή νοημοσύνη μπορεί να επισημάνει οζίδια πρώιμου σταδίου σε αξονικές τομογραφίες χαμηλής δόσης.
• Καρκίνων του γαστρεντερικού: Η κολονοσκόπηση με υποβοήθηση τεχνητής νοημοσύνης βελτιώνει το ποσοστό ανίχνευσης αδενωμάτων.

2. Εξατομικευμένα θεραπευτικά πλάνα

Η τεχνητή νοημοσύνη βοηθά τους ογκολόγους να προσαρμόσουν τις θεραπείες βάσει του μοναδικού προφίλ του κάθε ασθενούς:

• Αναλύοντας γονιδιωματικά δεδομένα: Η τεχνητή νοημοσύνη μπορεί να ερμηνεύσει τεράστια σύνολα γονιδιωματικών δεδομένων για να εντοπίσει μεταλλάξεις με θεραπευτική σημασία. Για παράδειγμα, στον καρκίνο του μαστού, βοηθά στον εντοπισμό ασθενών που είναι κατάλληλοι για ορμονοθεραπεία, θεραπεία στόχευσης HER2 ή ανοσοθεραπεία, λέει η Dodelzon.
• Βελτιστοποιώντας τη θεραπεία: Η τεχνητή νοημοσύνη αξιολογεί τις αποκρίσεις προηγούμενων ασθενών για να προτείνει βέλτιστα σχήματα χημειοθεραπείας, δοσολογίες και να προβλέψει παρενέργειες.

3. Διαχείριση

• Εργαλεία απομακρυσμένης παρακολούθησης: Φορετές συσκευές και εφαρμογές τεχνητής νοημοσύνης μπορούν να παρακολουθούν ζωτικά σημεία, συμπτώματα και παρενέργειες θεραπειών. Αυτό υποστηρίζει την παρέμβαση σε πραγματικό χρόνο και ελαχιστοποιεί τις επισκέψεις στους γιατρούς.
• Chatbots τεχνητής νοημοσύνης και εικονικοί υγειονομικοί: Μπορούν να απαντούν σε ερωτήσεις, να προγραμματίζουν ραντεβού και να παρέχουν υπενθυμίσεις για ραντεβού και φαρμακευτική αγωγή.

4. Ισότητα και πρόσβαση

Πολλές γυναίκες μέσης ηλικίας αντιμετωπίζουν ανισότητες στην υγειονομική περίθαλψη λόγω φυλής, εισοδήματος ή τόπου κατοικίας. Και για τις γυναίκες που ζουν σε «ερήμους υγειονομικής περίθαλψης», όπου η πρόσβαση σε φροντίδα είναι περιορισμένη, η τεχνητή νοημοσύνη μπορεί να:

• Βελτιώσει την πρόσβαση σε ειδικούς: Τα εργαλεία τεχνητής νοημοσύνης φέρνουν διαγνωστικό και θεραπευτικό σχεδιασμό επιπέδου ειδικού σε υποεξυπηρετούμενες ή αγροτικές περιοχές μέσω τηλεϊατρικής.
• Υποστήριξη σε γλωσσικά «κενά»: Η μετάφραση μέσω τεχνητής νοημοσύνης και οι ιατρικές εξηγήσεις σε απλή γλώσσα ενδυναμώνουν τους ασθενείς να κατανοούν και να λαμβάνουν τεκμηριωμένες αποφάσεις.

Το μέλλον της τεχνητής νοημοσύνης στον τομέα της ιατρικής περίθαλψης

Για τον Mak και την ομάδα του, η αξιοποίηση της τεχνητής νοημοσύνης για τη διάσωση ζωών είναι ο τελικός στόχος. Αναπτύσσουν νέους αλγορίθμους αναγνώρισης προσώπου για την πρόβλεψη της επιβίωσης και άλλων ιατρικών παθήσεων, επεκτείνουν τις γενετικές αναλύσεις και ξεκινούν δύο μελέτες.

«Η μία είναι μια κλινική δοκιμή σε καρκινοπαθείς, όπου θα συγκρίνουμε το FaceAge με τις συμβατικές αξιολογήσεις ευπάθειας σε ηλικιωμένους ασθενείς», είπε ο Mak. «Δεύτερον, πρόκειται να ανοίξουμε μια πύλη για υγιείς εθελοντές όπου το κοινό θα μπορεί να ανεβάζει φωτογραφίες και να λαμβάνει τη δική του εκτίμηση FaceAge — και οι φωτογραφίες τους θα μας βοηθήσουν να αναπτύξουμε βελτιωμένους αλγορίθμους».

Η τεχνητή νοημοσύνη πρόκειται να μεταμορφώσει την υγειονομική περίθαλψη — από αντιδραστική σε προληπτική, εξατομικευμένη και ακριβή. «Αντί να αντικαταστήσει τους γιατρούς, η τεχνητή νοημοσύνη θα ενισχύσει τις ικανότητές τους», είπε η Dr. Katerina Dodelzon.

Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην έγκαιρη ανίχνευση παθήσεων, στη μείωση σφαλμάτων και στην προσαρμογή των θεραπειών στη βιολογία και τις προτιμήσεις του κάθε ασθενούς. Διευκολύνει επίσης τα διοικητικά καθήκοντα όπως η τιμολόγηση και η καταγραφή, απελευθερώνοντας χρόνο για πιο εξατομικευμένη φροντίδα.

«Πιστεύω ότι οι τρέχουσες εξελίξεις και η μελλοντική ανάπτυξη και υπόσχεση αυτών των εργαλείων είναι εξαιρετικά συναρπαστικές», είπε η Dodelzon. «Αλλά αυτό είναι που είναι — “όπλα” στη “φαρέτρα του γιατρού” που μας επιτρέπουν να κάνουμε περισσότερα για τους ασθενείς μας».

Πηγή: oloygeia.gr