The Jerusalem PostBenayahu Razi murder: Defense says evidence insufficient for murder charge against Tsarafi, HutaRTP DesportoLiga dos Campeões. FC Porto-PSVESPN DeportesWolves y McDaniels pactan 1 año y $40 millonesDaily MaverickAre we building Gqeberha with the future in mind?ESPNJalen Hurts' blood clot diagnosis explained: What it means for the QBZDF heuteEntdecken Sie das ZDF-NachrichtenstudioColliderStar Trek Officially Unites Kirk, Picard, Sisko, and More in Massive New Release7sur7Hernandez titulaire, Rodri forfait: les compos du choc PSG-Barça20 MinutenRätsel um Tod von Schweizer (64) im Iran: Verfahren eingestelltSportstarLiverpool vs Villarreal, UEFA Champions League 2026-27 LIVE updates: Gakpo returns for Reds; live commentary, score updatestazNeuer Landtag von Mecklenburg-Vorpommern: Schwerin wählt nach PlanRMF24„Zasłona dymna”. Poseł koalicji rządzącej o sporze wokół TK
The Daily Newsstand · Free, Always
Tuesday, October 20, 2026

AI oceni wiek biologiczny na podstawie zdjęcia i stworzy prognozę przeżywalności u chorych na raka

Translate

Autor: Jan Matoga Publikacja: Dzisiaj, 20 października (17:44)

Naukowcy z Mass General Brigham opracowali narzędzie wykorzystujące sztuczną inteligencję do analizy zdjęć twarzy. Model ma szacować wiek biologiczny pacjenta, a w przypadku osób z nowotworami – również przewidywać rokowanie dotyczące przeżycia. Autorzy badania podkreślają, że technologia ma wspierać lekarzy, a nie zastępować ich decyzje.

AI oceni wiek biologiczny na podstawie zdjęcia i stworzy prognozę przeżywalności u chorych na raka

Zdj. ilustracyjne /Shutterstock

System nazwano FAHR-Face – od angielskiego Foundation Artificial Intelligence for Health Recognition. Został wytrenowany na bazie ponad 40 mln fotografii twarzy.

Badacze stworzyli na jego podstawie dwa odrębne narzędzia. Pierwsze, FAHR-FaceAge, szacuje wiek biologiczny, czyli związany ze stanem organizmu, a nie tylko datą urodzenia. Drugie – FAHR-FaceSurvival – ma bezpośrednio oceniać ryzyko zgonu u pacjentów onkologicznych na podstawie pojedynczej fotografii.

Wyniki badań opublikowano w czasopiśmie „The Lancet Digital Health”.

Oba narzędzia analizowały przy tym różne cechy twarzy i dostarczały uzupełniających się informacji. Model oceniający wiek biologiczny koncentrował się m.in. na fałdach nosowo-wargowych, czole i skroniach. Algorytm prognozujący przeżycie większą uwagę zwracał na obszar pod oczami oraz okolice nasady nosa.

Połączenie wyników obu modeli poprawiło dopasowanie prognoz dotyczących przeżycia w zewnętrznej grupie walidacyjnej pacjentów z chorobą nowotworową.

Wsparcie przy wyborze leczenia

Według autorów technologia może w przyszłości pomóc w ocenie tzw. rezerwy fizjologicznej i kruchości pacjenta – szczególnie przed intensywnym leczeniem, takim jak operacja, radioterapia czy terapia systemowa.

Naszym celem jest uczynienie oceny zdrowia na podstawie zdjęcia twarzy bardziej ilościową, spójną i skalowalną, aby mogła wspierać spersonalizowane decyzje terapeutyczne, a nie zastępować osąd lekarza – zaznaczył cytowany przez News Medical dr Raymond Mak z Mass General Brigham Cancer Institute.

Naukowcy deklarują, że sprawdzali stabilność modelu w typowych warunkach wykonywania zdjęć: przy różnym oświetleniu, ułożeniu twarzy, mimice czy makijażu. Według ich danych algorytm pozostawał w większości przypadków odporny także na efekty zabiegów chirurgii plastycznej. Niewielką zmianę odnotowano przy korekcji nosa.

Analiza wykazała też zależność między stylem życia a wynikiem oceny wieku biologicznego twarzy. Z biologicznie starszym wyglądem wiązały się m.in. intensywne spożywanie alkoholu, używanie narkotyków oraz palenie papierosów.

Najsilniejszy związek dotyczył palenia. Obecni palacze byli oceniani przez system jako biologicznie starsi niż byli palacze, a osoby, które rzuciły palenie – jako starsze niż ludzie, którzy nigdy nie palili.

Potrzebne dalsze badania

Technologia znajduje się na etapie badań i walidacji. Choć wyniki są obiecujące, nie oznaczają, że zdjęcie twarzy może samodzielnie przesądzać o stanie zdrowia czy rokowaniu konkretnego pacjenta. Wdrożenie takich systemów do praktyki klinicznej wymaga dalszych testów, m.in. w zróżnicowanych populacjach, oraz rozwiązania kwestii ochrony prywatności i możliwych błędów algorytmicznych.

View the original on RMF24 →

KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.