Ögonen må vara själens spegel, men en persons biologiska ålder kan också återspeglas i ansiktsdrag. Forskare vid Mass General Brigham har utvecklat en djupinlärningsalgoritm kallad ”FaceAge” som använder ett foto av en persons ansikte för att förutsäga biologisk ålder och överlevnad för cancerpatienter.
De fann att patienter med cancer i genomsnitt hade en högre FaceAge än de utan cancer och såg ut att vara cirka fem år äldre än sin kronologiska ålder.
Högre FaceAge-prognoser var förknippade med sämre överlevnadsprognoser för flera olika cancerformer. De fann också att FaceAge var bättre än läkare på att förutsäga den korta livslängden för patienter som fick palliativ strålbehandling.
Resultaten har publicerats i The Lancet Digital Health.
”Vi kan använda artificiell intelligens (AI) för att uppskatta en persons biologiska ålder utifrån ansiktsbilder, och vår studie visar att denna information kan vara kliniskt betydelsefull”, säger medförfattare och korresponderande författare Hugo Aerts, Ph.D., direktör för programmet Artificial Intelligence in Medicine (AIM) vid Mass General Brigham.
”Detta arbete visar att ett foto som en enkel selfie innehåller viktig information som kan bidra till kliniska beslut och vårdplaner för patienter och läkare. Hur gammal någon ser ut jämfört med sin kronologiska ålder är verkligen viktigt – personer med FaceAges som är yngre än sin kronologiska ålder klarar sig betydligt bättre efter cancerbehandling.”
När patienter kommer in i undersökningsrummet kan deras utseende ge läkare ledtrådar om deras allmänna hälsa och vitalitet. Dessa intuitiva bedömningar i kombination med patientens kronologiska ålder, utöver många andra biologiska mått, kan hjälpa till att fastställa den bästa behandlingen.
Men precis som alla andra kan läkare ha förutfattade meningar om en persons ålder som kan påverka dem, vilket ökar behovet av mer objektiva, prediktiva mått som underlag för vårdbeslut.
Med detta mål i åtanke utnyttjade forskare vid Mass General Brigham djupinlärning och ansiktsigenkänningsteknik för att träna FaceAge. Verktyget tränades på 58 851 foton av förmodat friska individer från offentliga datauppsättningar. Teamet testade algoritmen på en kohort av 6 196 cancerpatienter från två center, med hjälp av fotografier som rutinmässigt togs i början av strålbehandlingen.
Resultaten visade att cancerpatienter ser betydligt äldre ut än personer utan cancer, och att deras FaceAge i genomsnitt var cirka fem år äldre än deras kronologiska ålder. I cancerpatientgruppen var äldre FaceAge förknippat med sämre överlevnadsresultat, särskilt hos personer som såg äldre ut än 85 år, även efter justering för kronologisk ålder, kön och cancertyp.
Den uppskattade livslängden i livets slutskede är svår att fastställa, men har viktiga konsekvenser för behandlingen av cancer. Teamet bad 10 kliniker och forskare att förutsäga den korta livslängden utifrån 100 foton av patienter som fick palliativ strålbehandling.
Även om det fanns stora skillnader i deras resultat var klinikernas förutsägelser överlag bara något bättre än ett myntkast, även efter att de hade fått klinisk information, såsom patientens kronologiska ålder och cancerstatus. Men när klinikerna också fick tillgång till patienternas FaceAge-information förbättrades deras prognoser avsevärt.
Ytterligare forskning behövs innan denna teknik kan övervägas för användning i verkliga kliniska miljöer. Forskningsteamet testar denna teknik för att förutsäga sjukdomar, allmän hälsostatus och livslängd. Uppföljande studier omfattar att utvidga detta arbete till olika sjukhus, undersöka patienter i olika stadier av cancer, följa FaceAge-uppskattningar över tid och testa dess noggrannhet mot data från plastikkirurgi och smink.
”Detta öppnar dörren till en helt ny värld av upptäckter av biomarkörer från fotografier, och potentialen sträcker sig långt bortom cancervård eller åldersprognoser”, säger medförfattaren Ray Mak, MD, fakultetsmedlem i AIM-programmet vid Mass General Brigham.
”I takt med att vi i allt högre grad betraktar olika kroniska sjukdomar som ålderssjukdomar blir det ännu viktigare att kunna förutsäga en individs åldrande på ett korrekt sätt. Jag hoppas att vi i slutändan kan använda denna teknik som ett system för tidig upptäckt inom en rad olika tillämpningar, inom en stark reglerande och etisk ram, för att rädda liv.”
Mer information: Bontempi, et al. FaceAge, ett djupinlärningssystem för att uppskatta biologisk ålder utifrån ansiktsfotografier för att förbättra prognoser: en modellutvecklings- och valideringsstudie, The Lancet Digital Health (2025). DOI: 10.1016/j.landig.2025.03.002
