Questo strumento basato sull'intelligenza artificiale utilizza foto del viso per valutare l'età biologica e la sopravvivenza al cancro. / AI tool uses facial photos to assess biological age and cancer survival

 Questo strumento basato sull'intelligenza artificiale utilizza foto del viso per valutare l'età biologica e la sopravvivenza al cancro. Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione. / AI tool uses facial photos to assess biological age and cancer survival. The process described in ENEA patent RM2012A000637 is very useful for this type of application.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

L'immagine a sinistra raffigura le caratteristiche più importanti per le previsioni di sopravvivenza al cancro di FAHR-FaceSurvival, mentre l'immagine a destra mostra le caratteristiche più importanti per le stime dell'età biologica di FAHR-FaceAge / The image on the left depicts the features most important to FAHR-FaceSurvival's predictions of cancer survival outcomes, while the image on the right shows the features most important to FAHR-FaceAge's estimates of biological age

I ricercatori del Mass General Brigham nel Massachusetts stanno utilizzando strumenti di intelligenza artificiale per analizzare le fotografie del viso ed individuare indicatori chiave dello stato di salute di una persona.

Il gruppo ha creato FAHR-Face (Foundation Artificial Intelligence for Health Recognition), un ampio modello di intelligenza artificiale addestrato su oltre 40 milioni di immagini di volti.

Hanno utilizzato il modello per sviluppare due strumenti complementari, ovvero FAHR-FaceAge, che stima l'età biologica di un paziente con maggiore precisione rispetto ai precedenti algoritmi di stima dell'età; e FAHR-FaceSurvival, che prevede direttamente gli esiti di sopravvivenza nei pazienti affetti da cancro a partire da una fotografia del viso.

Lo studio di sviluppo e validazione del modello ha dimostrato che la discrepanza tra l'età facciale calcolata con il metodo FAHR (Facial Age for Health Reduction) di un paziente e la sua età cronologica era correlata in modo indipendente alla sopravvivenza. Ha inoltre dimostrato la robustezza degli strumenti rispetto alle comuni variazioni fotografiche. Il lavoro del gruppo è descritto in dettaglio su Lancet Digital Health.

"Con l'invecchiamento della popolazione, i medici hanno bisogno di metodi migliori per stimare la riserva fisica e la fragilità prima di raccomandare trattamenti intensivi come radioterapia, chirurgia o terapia sistemica", ha affermato l'autore corrispondente Raymond Mak, MD, oncologo radioterapista presso il Mass General Brigham Cancer Institute e membro della facoltà del programma Artificial Intelligence in Medicine (AIM) presso il Mass General Brigham. "Il nostro obiettivo è rendere la valutazione dello stato di salute basata su fotografie del viso più quantitativa, coerente e scalabile, in modo che possa supportare decisioni terapeutiche personalizzate anziché sostituire il giudizio del medico".

"Il principale progresso tecnico consiste nel fatto che FAHR-Face apprende una rappresentazione generale del volto da oltre 40 milioni di immagini, che può poi essere adattata a diversi parametri di salute come l'età biologica e la sopravvivenza", ha affermato Hugo Aerts, PhD, co-autore senior e direttore di AIM presso il Mass General Brigham. "Questo approccio basato su un modello di base ci offre un metodo scalabile per sviluppare molteplici biomarcatori della salute del viso, anziché dover addestrare ogni modello da zero."

Sebbene FAHR-FaceAge e FAHR-FaceSurvival derivino dallo stesso modello di base, hanno raccolto informazioni diverse e complementari sullo stato di salute di un paziente.

Le loro previsioni erano solo debolmente correlate ed entrambe, se analizzate insieme, rimanevano indipendentemente associate alla sopravvivenza. La combinazione delle due misure ha ulteriormente migliorato l'adattamento del modello di sopravvivenza in una coorte di validazione esterna di pazienti oncologici.

Ciascun algoritmo si basa inoltre su diverse parti del viso per effettuare le rispettive previsioni di età e rischio di mortalità. FAHR-FaceAge si concentra sulle pieghe nasolabiali, sulla zona della fronte appena sopra le orbite e sulle tempie, mentre FAHR-FaceSurvival valuta la regione sotto gli occhi ed intorno al ponte nasale.

"FAHR-FaceSurvival fa fare un ulteriore passo avanti nel campo dell'intelligenza artificiale per il riconoscimento facciale della salute, apprendendo il rischio di sopravvivenza direttamente dalle fotografie del viso dei pazienti affetti da cancro", ha dichiarato Aerts in un comunicato. "A nostra conoscenza, questa è la prima dimostrazione che un modello di intelligenza artificiale può prevedere direttamente la sopravvivenza al cancro a partire da una semplice fotografia."

Il grupposta ampliando questa ricerca attraverso il FaceAge Research Study, uno studio online, approvato dal comitato etico istituzionale ed aperto al pubblico all'indirizzo faceage.bwh.harvard.edu.

I partecipanti possono caricare una fotografia del viso e ricevere il proprio report di ricerca FaceAge, contribuendo al contempo con dati che aiuteranno i ricercatori a migliorare e convalidare le misurazioni dell'invecchiamento e della salute del viso basate sull'intelligenza artificiale in popolazioni più ampie e diversificate.

ENGLISH

Researchers at Mass General Brigham in Massachusetts are using AI tools to analyse facial photographs to determine key indicators of a person's health.

The team built FAHR-Face (Foundation Artificial Intelligence for Health Recognition), a large AI foundation model trained on over 40 million face images.

They used the model to develop two complementary tools, namely FAHR-FaceAge, which estimates a patient’s biological age with greater accuracy compared to prior age estimation algorithms; and FAHR-FaceSurvival, which directly predicts survival outcomes in patients with cancer from a face photograph.

The model development and validation study showed that the deviation between a patient’s FAHR-FaceAge and their chronological age was independently linked to survival. It also demonstrated the robustness of the tools across common photo variations. The team’s work is detailed in Lancet Digital Health.

“As the population ages, physicians need better ways to estimate physical reserve and frailty before recommending intensive treatments such as radiation, surgery or systemic therapy,” said corresponding author Raymond Mak, MD, a radiation oncologist at Mass General Brigham Cancer Institute and a faculty member in the Artificial Intelligence in Medicine (AIM) program at Mass General Brigham. “Our goal is to make face photograph-based health assessment more quantitative, consistent and scalable so it can support personalised treatment decisions rather than replace physician judgment.”

“The key technical advance is that FAHR-Face learns a general representation of the face from more than 40 million images, which can then be adapted to distinct health outcomes such as biological age and survival,” said Hugo Aerts, PhD, co-senior author and Director of AIM at Mass General Brigham. “This foundation-model approach gives us a scalable way to develop multiple facial health biomarkers rather than training each model from scratch.”

Although FAHR-FaceAge and FAHR-FaceSurvival were derived from the same foundation model, they captured different and complementary information about a patient's health.

Their predictions were only weakly correlated, and both remained independently associated with survival when analysed together. Combining the two measures further improved survival-model fit in an external validation cohort of cancer patients.

Each algorithm also relied on distinct parts of the face to make the respective predictions of age and mortality risk. FAHR-FaceAge focuses on the nasolabial folds, the forehead area just above the orbits and the temples, while FAHR-FaceSurvival evaluates the region below the eyes and around the nasal bridge.

“FAHR-FaceSurvival advances the field of facial health recognition AI a step further by learning survival risk directly from facial photographs of patients with cancer,” Aerts said in a statement. “To our knowledge, this is the first demonstration that an AI model can directly predict cancer survival from a simple photograph.”

The team is expanding this research through the FaceAge Research Study, an online, institutional review board-approved study open to the public at faceage.bwh.harvard.edu.

Participants can upload a facial photograph and receive their own FaceAge research readout, while also contributing data that will help researchers improve and validate AI-based measures of facial aging and health across larger and more diverse populations.

Da:

https://www.theengineer.co.uk/content/news/ai-uses-facial-photos-to-assess-biological-age?rcip=giuseppecotellessa%40libero.it&utm_campaign=Daily%20Bulletin%20-221026%20-%20Thursday&utm_content=&utm_term=https%3A%2F%2Fwww.theengineer.co.uk%2Fcontent%2Fnews%2Fai-uses-facial-photos-to-assess-biological-age&utm_medium=email&utm_source=The%20Engineer