به گزارش پایگاه خبری حکمرانی هوشمند، سن تقویمی به تعداد سال‌هایی گفته می‌شود که از تولد فرد گذشته است، درحالی‌که سن زیستی وضعیت بدن و میزان فرسودگی آن را نشان می‌دهد. این دو سن لزوماً یکسان نیستند و برخی افراد ممکن است پیرتر یا جوان‌تر از سن واقعی خود به نظر برسند. پژوهشگران بررسی کرده‌اند که آیا هوش مصنوعی می‌تواند از ویژگی‌های ظاهری چهره، اطلاعاتی درباره سن زیستی و احتمال بقای بیماران استخراج کند.
دو ابزار هوش مصنوعی برای تحلیل چهره بیماران
در این مطالعه، پژوهشگران دو ابزار هوش مصنوعی را بر پایه مدلی با نام «فهر-فیس» توسعه دادند. این پژوهش ادامه بررسی‌های پیشین همین گروه درباره مدل «فیس‌ایج» بود و از مجموعه‌ای شامل بیش از ۴۰ میلیون تصویر عمومی چهره برای آموزش مدل اصلی استفاده کرد؛ مجموعه‌ای که تنوع قومی بیشتر و دامنه سنی گسترده‌تری را دربر می‌گرفت.
ابزار نخست با نام «فهر-فیس‌ایج» سن زیستی افراد را از روی تصویر چهره برآورد می‌کرد و از این برآورد برای کمک به پیش‌بینی بقا بهره می‌گرفت. ابزار دوم، با عنوان «فهر-فیس‌سروایول»، احتمال بقا را مستقیماً از تصویر چهره تخمین می‌زد.
پژوهشگران سپس این ابزارها را در گروه‌هایی از بیماران مبتلا به سرطان که در ایالات متحده پرتودرمانی شده بودند، ارزیابی کردند.
افزایش خطر مرگ در بیماران دارای سن زیستی بالاتر
بر اساس یافته‌های مطالعه، در میان بیش از ۳۸ هزار بیمار سرطانی دریافت‌کننده پرتودرمانی، افرادی که سن زیستی برآوردشده آن‌ها دست‌کم پنج سال بیشتر از سن تقویمی‌شان بود، طی دوره پیگیری با میانگین چهار سال، ۲۱ درصد خطر مرگ بیشتری نسبت به سایر بیماران داشتند.
در مقابل، بیمارانی که دست‌کم پنج سال جوان‌تر از سن واقعی خود به نظر می‌رسیدند، ۱۷ درصد خطر مرگ کمتری را تجربه کردند.
این نتایج از وجود ارتباط میان سن زیستی برآوردشده از چهره و وضعیت بقا در جمعیت بررسی‌شده حکایت دارند؛ بااین‌حال، چنین ارتباطی به معنای امکان تعیین قطعی سرنوشت هر بیمار بر اساس تصویر چهره نیست.
دقت پیش‌بینی با ترکیب دو ابزار افزایش یافت
ابزار پیش‌بینی مستقیم بقا برای نزدیک به چهار هزار بیمار، امتیازی بین صفر و یک ارائه کرد که مقادیر بالاتر آن نشان‌دهنده خطر برآوردشده بیشتر بود.
در گروه بیمارانی که امتیاز خطر آن‌ها بین ۰٫۹ تا یک قرار داشت، ۵۳ درصد افراد، معادل ۶۴ نفر از ۱۲۲ نفر، طی ۹۰ روز جان باختند. در مقابل، در گروه دارای امتیاز صفر تا ۰٫۱، این میزان دو درصد، معادل ۲۰ نفر از ۹۷۵ نفر، گزارش شد.
همچنین نتایج نشان داد که استفاده هم‌زمان از دو ابزار، در مقایسه با استفاده جداگانه از هرکدام، به پیش‌بینی دقیق‌تر بقا کمک کرده است. یافته‌های این پژوهش در نشریه «لنست دیجیتال هلث» منتشر شده‌اند.
سبک زندگی و ارتباط آن با سن زیستی چهره
بخش دیگری از مطالعه به بررسی ارتباط عادت‌های زندگی با سن زیستی برآوردشده اختصاص داشت. بر اساس نتایج، مصرف زیاد الکل، استفاده از مواد مخدر و سیگارکشیدن با پیرتر به نظر رسیدن چهره ارتباط داشتند.
در میان این عوامل، سیگارکشیدن الگوی برجسته‌تری نشان داد؛ به‌گونه‌ای که افراد سیگاری فعلی پیرتر از افرادی به نظر می‌رسیدند که سیگار را ترک کرده بودند و افراد سیگاری سابق نیز پیرتر از کسانی بودند که هرگز سیگار نکشیده بودند.
البته این یافته‌ها به‌تنهایی رابطه علت و معلولی را اثبات نمی‌کنند و نمی‌توان نتیجه گرفت که هر یک از این عوامل مستقیماً باعث افزایش سن زیستی چهره شده‌اند.
یکی از ویژگی‌های این روش، امکان تهیه نسبتاً ساده تصویر چهره است. اگر پژوهش‌های تکمیلی کارایی و اعتبار آن را تأیید کنند، تحلیل تصاویر می‌تواند در کنار اطلاعات بالینی، سابقه پزشکی و ارزیابی پزشک، به شناخت بهتر وضعیت بیماران و پشتیبانی از تصمیم‌های درمانی کمک کند.
انتهای پیام