Científicos diseñaron una IA que ayuda a definir tratamientos contra el cáncer a partir de una foto del rostro

Un nuevo modelo de inteligencia artificial (IA) que analiza fotografías faciales permite estimar la edad biológica y evaluar la supervivencia de pacientes con cáncer, según un estudio de Mass General Brigham publicado en la revista científica The Lancet Digital Health. La herramienta fue entrenada con más de 40 millones de imágenes faciales y busca aportar información para las decisiones terapéuticas sin reemplazar la evaluación de los médicos. El sistema, denominado FAHR-Face —siglas en inglés de Foundation Artificial Intelligence for Health Recognition—, analiza una fotografía simple del rostro para identificar indicadores de salud. A partir de ese modelo base, el equipo creó dos aplicaciones: FAHR-FaceAge, orientada a calcular la edad biológica, y FAHR-FaceSurvival, diseñada para estimar de manera directa los resultados de supervivencia en personas con cáncer. La edad biológica refleja el estado funcional del organismo y se relaciona con el daño celular acumulado con el paso del tiempo. Aunque ese proceso forma parte del envejecimiento, también intervienen la genética, los hábitos de vida y el entorno físico. Los investigadores señalaron que las herramientas responden a una necesidad asociada al envejecimiento de la población: contar con mejores métodos para estimar la reserva física y la fragilidad de un paciente antes de indicar tratamientos intensivos, como radioterapia, cirugía o terapia sistémica. La diferencia entre la edad calculada y la cronológica se vinculó con la supervivencia El estudio de desarrollo y validación mostró que la diferencia entre la edad calculada por FAHR-FaceAge y la edad cronológica de cada paciente se asoció de manera independiente con la supervivencia. De acuerdo con el trabajo, esta herramienta estima la edad biológica con mayor precisión que algoritmos anteriores de cálculo de edad. El modelo también mantuvo su funcionamiento ante variaciones habituales de las fotografías, entre ellas la pose, la iluminación, las expresiones faciales y el maquillaje. “Otro hallazgo sorprendente fue la consistencia de FAHR-FaceAge en variaciones fotográficas comunes de la vida real”, señaló el autor principal, Raymond Mak, oncólogo radioterapeuta del Instituto Oncológico Mass General Brigham e integrante del programa de Inteligencia Artificial en Medicina (AIM) de la institución. Mak añadió que el algoritmo se mantuvo estable en la mayoría de los procedimientos de cirugía plástica evaluados. El estudio solo detectó una variación pequeña después de una rinoplastia. Para el especialista, la finalidad es que la evaluación de salud mediante imágenes faciales sea “más cuantitativa, consistente y escalable”. “Puede respaldar las decisiones de tratamiento personalizadas en lugar de sustituir el criterio médico”, afirmó. Dos algoritmos extrajeron señales distintas de las fotografías faciales Aunque FAHR-FaceAge y FAHR-FaceSurvival provienen del mismo modelo base, el estudio indicó que recogen información diferente y complementaria sobre la salud de los pacientes. Sus predicciones tuvieron una correlación débil; sin embargo, ambas conservaron una asociación independiente con la supervivencia cuando se las analizó en conjunto. La combinación de las dos mediciones mejoró el ajuste del modelo de supervivencia en una cohorte externa de validación de pacientes con cáncer. Cada algoritmo, además, se apoyó en zonas diferentes del rostro para elaborar sus cálculos de edad biológica y riesgo de mortalidad. FAHR-FaceAge se concentró en los pliegues nasolabiales, la parte de la frente ubicada justo sobre las órbitas y las sienes. En cambio, FAHR-FaceSurvival evaluó la zona debajo de los ojos y el área que rodea el puente nasal. “FAHR-FaceSurvival lleva el campo de la IA de reconocimiento de la salud facial un paso más allá al aprender el riesgo de supervivencia directamente a partir de fotografías faciales de pacientes con cáncer”, sostuvo Hugo Aerts, coautor principal del estudio y director de AIM en el Mass General Brigham. “Hasta donde sabemos, esta es la primera demostración de que un modelo de IA puede predecir directamente la supervivencia al cáncer a partir de una simple fotografía”. El modelo base puede adaptarse a distintos indicadores de salud Aerts explicó que el avance técnico reside en que FAHR-Face aprende una representación general del rostro a partir del conjunto de más de 40 millones de imágenes. Esa base puede adaptarse después a indicadores distintos, como la edad biológica y la supervivencia. “Este enfoque basado en un modelo fundamental nos proporciona una forma escalable de desarrollar múltiples biomarcadores de salud facial, en lugar de entrenar cada modelo desde cero”, afirmó Aerts. Así, el sistema permitió construir dos herramientas con usos diferenciados a partir de una misma arquitectura de inteligencia artificial. El análisis también vinculó determinados factores de estilo de vida con una apariencia biológicamente mayor. El consumo excesivo de alcohol, el consumo de drogas y el tabaquismo se asociaron con ese resultado en las estimaciones faciales. El tabaquismo presentó el patrón más marcado. Los fumadores actuales parecían mayores que los exfumadores y, a su vez, estos mostraban una apariencia de mayor edad que quienes nunca habían fumado, según los resultados del equipo. Los investigadores ampliarán el trabajo a través del Estudio de Investigación FaceAge, una iniciativa en línea aprobada por el comité de ética institucional y abierta al público. Las personas participantes pueden cargar una fotografía de su rostro y recibir un informe de investigación FaceAge. La información aportada servirá para que el equipo mejore y valide las mediciones de envejecimiento y salud facial basadas en inteligencia artificial en poblaciones más amplias y diversas. El objetivo es reunir datos que permitan seguir evaluando el uso de imágenes faciales como apoyo para medir indicadores de salud en el contexto de la atención oncológica.