Umělá inteligence opět potvrzuje svou roli praktického pomocníka ve zdravotnictví. Tentokrát v podobě algoritmu FaceAge, který z obyčejných fotografií obličeje určí skutečný, biologický věk člověka. Studie publikovaná v Lancet Digital Health potvrzuje, že tento biomarker může významně zpřesnit prognózu přežití u onkologických pacientů, a v některých případech dokonce překonává i odhady lékařů
Biologický věk z fotografie jako nový klinický ukazatel
FaceAge, vyvinutý týmem z Mass General Brigham, využívá hluboké neuronové sítě (DNN) ke zpracování fotografií obličeje a stanovení tzv. FaceAge. Tato metrika je odvozená od vzhledu obličeje, která odráží fyzický (biologický) věk. Tedy to, jak je tělo skutečně „opotřebované“, bez ohledu na věk v občance.
Výzkum ukázal, že pacienti s rakovinou působí v průměru o 4,79 roku starší, než odpovídá jejich skutečnému věku. Tato odchylka přitom nezávisle souvisí s jejich celkovým přežitím.
„Na tom, jak člověk vypadá ve srovnání se svým skutečným věkem, skutečně záleží. Pacienti s nižším FaceAge mají obecně lepší vyhlídky,“ říká hlavní autor studie prof. Hugo Aerts, v ředitel programu Artificial Intelligence in Medicine (AIM) na Mass General Brigham.
Model byl trénován na 58 851 fotografiích zdravých seniorů. Algoritmus byl dále ověřen na datech 6 196 onkologických pacientech z několika předních onkologických pracovišť a srovnán s kontrolní skupinou 535 jedinců bez diagnózy rakoviny.
Přesnost nad rámec klinické intuice
Výzkumníci testovali systém FaceAge také při predikci přežití u pacientů s pokročilou rakovinou. Lékaři bez podpory umělé inteligence dosahovali přesnosti odhadu kolem 61 %, zatímco po zapojení FaceAge se tato hodnota zvýšila na 80 %. U pacientů v paliativní péči se přesnost modelu, měřená pomocí metriky AUC (Area Under the Curve) sloužící k hodnocení klasifikačních modelů v oblasti strojového učení, zlepšila z 0,74 na 0,80. To poukazuje na potenciál nástroje jako opory při klinickém rozhodování v závěrečných fázích života.
Vědci dále zjistili, že vyšší hodnota FaceAge – tedy vyšší biologický věk obličeje odhadnutý AI – souvisí s určitými vzorci genové exprese. V tělech těchto pacientů jsou aktivní (nebo naopak utlumené) geny spojené s buněčným stárnutím, například s chronickým zánětem, poškozením DNA nebo sníženou regenerací. FaceAge tak nabývá hlubšího významu: nejenže „vidí“, jak člověk vypadá, ale zároveň odráží i biologické procesy probíhající uvnitř organismu.
Biologický věk v praxi: nový přístup ke stratifikaci pacientů
FaceAge umožňuje rychle a neinvazivně kvantifikovat fyziologický stav pacienta, a to s využitím běžně dostupných fotografií. Obzvlášť přínosný může být tento přístup v onkologii, kde samotné onemocnění i jeho léčba často urychlují proces stárnutí. Přesné určení biologického věku tak může hrát klíčovou roli při rozhodování o vhodné intenzitě terapie.
Z klinického pohledu může být například zdravý 75letý pacient s biologickým věkem 65 let ve výrazně lepší prognostické pozici než šedesátník, jehož organismus již vykazuje známky pokročilého stárnutí. Tato informace může zásadně přispět k individualizaci léčby – například při volbě mezi agresivním terapeutickým režimem a paliativním přístupem.
Možnosti využití v Česku: výzvy a příležitosti
V českém prostředí představuje FaceAge inspirativní technologii s potenciálem pro akademické i klinické využití. Současný stav výzkumu v oblasti umělé inteligence ve zdravotnictví však naráží na několik praktických překážek:
- Omezená dostupnost datových sad: České výzkumné týmy obvykle nemají přístup k rozsáhlým datovým kohortám, jaké jsou k dispozici například v amerických studiích. Klinická data bývají roztříštěná, neúplná nebo obtížně využitelná kvůli právním omezením.
- Nutnost nákupu validovaných datasetů: Pro testování vlastních algoritmů či ověřování zahraničních modelů musí výzkumníci často investovat do nákupu kvalitních a standardizovaných dat ze zahraničí, což představuje významnou finanční i organizační zátěž.
- Etické a legislativní výzvy: Využívání AI nástrojů v diagnostice a prognostice dosud není plně upraveno. V kontextu nařízení MDR (Medical Device Regulation) a připravovaného nařízení AI Act bude nutné zavést jasně definované postupy pro jejich validaci jakožto zdravotnických prostředků.
Navzdory těmto překážkám by se FaceAge mohl v budoucnu stát cenným nástrojem například pro onkologické multidisciplinární týmy, geriatrické posudkové komise nebo prediktivní screeningy v rámci preventivních programů.
Před námi: větší validace a transparentnost AI
Jak upozorňují odborníci, například Jaume Bacardit z Newcastle University, nástroje umělé inteligence – jako FaceAge – vyžadují důslednou validaci nejen z hlediska predikční přesnosti, ale i etických aspektů a míry vysvětlitelnosti. „Je důležité porozumět, z jakých konkrétních znaků AI vychází, abychom mohli identifikovat možná zkreslení. Transparentnost algoritmického rozhodování je klíčová,“ říká Bacardit.
Nicméně model FaceAge ukazuje, že i běžná fotografie může při správném zpracování nabídnout cenné klinické informace. Jeho přínos spočívá nejen ve zvýšení přesnosti predikce přežití, ale také v otevření cest k rychlejším a dostupnějším biomarkerům stárnutí. Pokud bude tento nástroj dále validován a efektivně integrován do klinických postupů, může představovat důležitý krok směrem k personalizované a prediktivní medicíně – včetně jejího uplatnění i v českém zdravotnictví.
Zdroje:
Petr Moláček, digitalhealth.cz