\u201cMe sorprendi\u00f3 bastante descubrir que pod\u00edamos detectar se\u00f1ales de riesgo de mortalidad con tan solo una fotograf\u00eda facial\u201d, dijo el Dr. Raymond Mak, autor del estudio, onc\u00f3logo radioterapeuta del Instituto Oncol\u00f3gico Mass General Brigham y miembro del profesorado del programa de Inteligencia Artificial en Medicina de Mass General Brigham.<\/p>\n
Los modelos de IA, entrenados con m\u00e1s de 40 millones de im\u00e1genes faciales, eval\u00faan espec\u00edficamente diferentes aspectos del rostro para determinar la salud general y la edad biol\u00f3gica de un paciente con c\u00e1ncer. A diferencia de la edad cronol\u00f3gica, que mide la cantidad de a\u00f1os que una persona ha vivido, la edad biol\u00f3gica refleja c\u00f3mo ha envejecido el cuerpo a nivel celular y f\u00edsico.<\/p>\n
![\"Image](\"https:\/\/media.cnn.com\/api\/v1\/images\/stellar\/prod\/gettyimages-1572035708.jpg?c=16x9&q=h_144,w_256,c_fill\/f_webp\")
<\/picture><\/div>\n<\/div>\n<\/div>\n<\/div>\n\u201cEl algoritmo de estimaci\u00f3n de edad analiza la zona alrededor de las sienes, la frente, la parte superior de los ojos y lo que llamamos el pliegue nasolabial, la l\u00ednea que conecta la nariz con la comisura de la boca\u201d, explic\u00f3 Mak sobre las partes del rostro que los modelos de IA consideran al evaluar la edad biol\u00f3gica.<\/p>\n
\u201cEn cambio, el algoritmo de predicci\u00f3n del riesgo de mortalidad analiza una parte totalmente diferente del rostro\u201d, dijo Mak. \u201cAnaliza el puente de la nariz y la zona debajo de los ojos\u201d.<\/p>\n
Resulta inquietante que las mismas regiones del rostro que el modelo de IA eval\u00faa para predecir la edad biol\u00f3gica y la supervivencia sean las mismas partes a las que se refiri\u00f3 el m\u00e9dico y fil\u00f3sofo griego Hip\u00f3crates en su Libro de Pron\u00f3sticos, escrito alrededor del a\u00f1o 400 a. C., cuando describi\u00f3 \u201cla nariz afilada, los ojos hundidos, las sienes ca\u00eddas\u201d como signos de atrofia muscular y riesgo de mortalidad.<\/p>\n
\u201cPensar que nuestros algoritmos pudieran estar replicando la sabidur\u00eda de Hip\u00f3crates de hace milenios nos pareci\u00f3 alucinante\u201d, dijo Mak.<\/p>\n
Los algoritmos de IA no ten\u00edan conocimiento de los textos antiguos de Hip\u00f3crates, porque \u201cnuestros algoritmos se entrenan exclusivamente con fotograf\u00edas de rostros y, a partir de ah\u00ed, con informaci\u00f3n sobre si alguien muri\u00f3 o no, o su edad\u201d, dijo Mak.<\/p>\n
\u201cNo tiene en cuenta el texto, el conocimiento ni la sabidur\u00eda que se acumulan en internet\u201d, a\u00f1adi\u00f3. \u201cPor eso, escuchar a Hip\u00f3crates resonar a trav\u00e9s de milenios en nuestros algoritmos fue realmente inquietante\u201d.<\/p>\n
Mak y sus colegas crearon originalmente un modelo de IA robusto llamado Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face), que fue entrenado con m\u00e1s de 40 millones de im\u00e1genes faciales que abarcan diversas edades y or\u00edgenes \u00e9tnicos.<\/p>\n
Posteriormente, el modelo se perfeccion\u00f3 y se utiliz\u00f3 como base para construir otros dos modelos que pudieran realizar tareas espec\u00edficas: el modelo FAHR-FaceAge estima la edad biol\u00f3gica de una persona a partir de una sola fotograf\u00eda, y el modelo FAHR-FaceSurvival predice las probabilidades de supervivencia de un paciente con c\u00e1ncer combinando rasgos faciales con otra informaci\u00f3n cl\u00ednica.<\/p>\n
Con el modelo FAHR-FaceSurvival, los investigadores descubrieron que, entre 122 pacientes con c\u00e1ncer que, seg\u00fan el modelo, presentaban un alto riesgo de muerte, m\u00e1s de la mitad (el 52,5%) fallecieron en los 90 d\u00edas posteriores a la evaluaci\u00f3n, tal como se hab\u00eda previsto. En comparaci\u00f3n, solo alrededor del 2% de los 975 pacientes del grupo FAHR-FaceSurvival de menor riesgo fallecieron en ese mismo per\u00edodo.<\/p>\n
Al evaluar el modelo FAHR-FaceAge, los investigadores descubrieron que el 21% de los 1060 pacientes cuya edad biol\u00f3gica era m\u00e1s de 20 a\u00f1os superior a su edad cronol\u00f3gica fallecieron en un plazo de 90 d\u00edas. En comparaci\u00f3n, alrededor del 6% de los 4195 pacientes con edades biol\u00f3gicas al menos 10 a\u00f1os inferiores a su edad cronol\u00f3gica fallecieron en el mismo plazo.<\/p>\n
Los investigadores descubrieron que los cambios cosm\u00e9ticos en el rostro, como la cirug\u00eda, las inyecciones como el b\u00f3tox o el maquillaje, no afectaban el rendimiento de los modelos de IA.<\/p>\n
\u201cUna prometedora prueba de concepto\u201d<\/h2>\n
Los autores del estudio recalcan que sus modelos de IA no pretenden reemplazar a los m\u00e9dicos ni las evaluaciones cl\u00ednicas existentes. En cambio, describen la tecnolog\u00eda como una herramienta emergente que alg\u00fan d\u00eda podr\u00eda ayudar a fundamentar la evaluaci\u00f3n que un m\u00e9dico hace de la salud de un paciente o su toma de decisiones sobre las opciones de tratamiento.<\/p>\n
\u201cSi podemos detectar el envejecimiento acelerado o los \u00edndices de mortalidad m\u00e1s elevados de forma temprana, podr\u00edamos realizar pruebas de detecci\u00f3n o identificar a los pacientes que podr\u00edan beneficiarse de pruebas adicionales para detectar afecciones graves con mayor antelaci\u00f3n\u201d, dijo Mak.<\/p>\n
Si bien el nuevo estudio se realiz\u00f3 \u00fanicamente entre pacientes con c\u00e1ncer, Mak afirm\u00f3 que una investigaci\u00f3n m\u00e1s exhaustiva podr\u00eda revelar si se obtienen resultados similares entre personas sanas que puedan estar interesadas en su longevidad.<\/p>\n
El uso de la tecnolog\u00eda de IA en el estudio es fascinante, pero a\u00fan necesita ser evaluado cl\u00ednicamente, dijo el Dr. Wilbur Lam, director de investigaci\u00f3n y profesor de pediatr\u00eda e ingenier\u00eda biom\u00e9dica en la Universidad de Emory.<\/p>\n
\u201cEste es un estudio sumamente convincente que surge de un amplio conjunto de datos, y sus asociaciones entre im\u00e1genes faciales y edad biol\u00f3gica, as\u00ed como el riesgo de supervivencia al c\u00e1ncer, parecen ser s\u00f3lidas. Sin embargo, su verdadera utilidad cl\u00ednica deber\u00e1 demostrarse prospectivamente\u201d, dijo Lam, quien no particip\u00f3 en el estudio, en un correo electr\u00f3nico.<\/p>\n
\u201cAdem\u00e1s, como los propios autores insin\u00faan, a\u00fan queda por ver si esta herramienta puede utilizarse con precisi\u00f3n en subpoblaciones espec\u00edficas\u201d, afirm\u00f3. \u201cPor ejemplo, ser\u00e1 necesario realizar estudios prospectivos para determinar la intensidad de sus efectos en personas con rasgos faciales, color de piel y grupos de edad espec\u00edficos, a fin de que la tecnolog\u00eda pueda implementarse cl\u00ednicamente\u201d.<\/p>\n
![\"El](\"https:\/\/media.cnn.com\/api\/v1\/images\/stellar\/prod\/celulas-cancer.jpg?c=16x9&q=h_144,w_256,c_fill\/f_webp\")
<\/picture><\/div>\n