همانطور که در مجله معتبر The Lancet Digital Health در روز پنجشنبه گزارش شده است، الگوریتم FaceAge امکان تخمین سن بیولوژیکی فرد را با دقت چشمگیری تنها با تجزیه و تحلیل یک تصویر ساده صورت فراهم کرده است. این پیشرفت علمی می‌تواند نحوه ارزیابی سلامت و تصمیم‌گیری‌های پزشکی ما را تغییر دهد.
معمولا پزشکان معاینه بیمار را با تخمین سن ظاهری او نسبت به سن تقویمی‌اش از طریق یک ارزیابی بصری اولیه، که اغلب به عنوان آزمایش چشم شناخته می‌شود، آغاز می‌کنند. این قضاوت سریع می‌تواند ناخواسته انتخاب‌های پزشکی قابل توجهی را تحت تأثیر قرار دهد. اکنون، به نظر می‌رسد که هوش مصنوعی در حال بهبود این ارزیابی شهودی است.
الگوریتم FaceAge با تجزیه و تحلیل تصاویر سر و صورت افراد، عددی را تولید می‌کند که به گفته محققان، نشانگر دقیق‌تری از سن بیولوژیکی فرد نسبت به تاریخ تولد ذکر شده در سوابق پزشکی او ارائه می‌دهد.
جزئیات تحقیقات علمی درباره الگوریتم FaceAge
در یک مطالعه تحقیقاتی مشخص شد که یک الگوریتم پیشرفته که بر روی ده‌ها هزار تصویر چهره آموزش دیده است، به طور متوسط پنج سال از افراد سالم همسن خود از نظر بیولوژیکی مسن‌تر است. نویسندگان این مطالعه معتقدند که این کشف می‌تواند به طور قابل توجهی به پزشکان در تصمیم‌گیری‌های حیاتی کمک کند. به عنوان مثال، می‌تواند به آنها کمک کند تا با اطمینان بیشتری ارزیابی کنند که کدام بیماران می‌توانند درمان‌های فشرده را تحمل کنند و کدام یک ممکن است از رویکردهای ملایم‌تر بهره‌مند شوند.
دکتر ریموند مک، یکی از نویسندگان ارشد این مطالعه و متخصص انکولوژی در مرکز سلامت ماساچوست بریگهام وابسته به هاروارد در بوستون، گفت:
«ما امیدواریم که FaceAge بتواند به عنوان یک نشانگر زیستی ارزشمند در مراقبت از سرطان عمل کند، به تعیین سن بیولوژیکی بیمار کمک کند و به پزشکان در تصمیم‌گیری‌های دشوار یاری رساند.»
برای برجسته کردن اهمیت این موضوع، دو بیمار فرضی را تصور کنید: یک فرد سالم و فعال ۷۵ ساله که سن بیولوژیکی او ۶۵ سال تخمین زده می‌شود و یک فرد ضعیف ۶۰ ساله که سن بیولوژیکی او ۷۰ سال تخمین زده می‌شود. واضح است که پرتودرمانی تهاجمی ممکن است برای بیمار اول مناسب باشد، در حالی که می‌تواند خطراتی را برای بیمار دوم ایجاد کند.
به گفته محققان، همین استدلال می‌تواند در تصمیم‌گیری‌های مربوط به جراحی قلب، تعویض مفصل ران و حتی مراقبت‌های تسکینی در مراحل پایانی زندگی مؤثر باشد.
الگوریتم FaceAge در عمل: پیش‌بینی سن بیولوژیکی از روی یک سلفی
شواهد رو به رشدی وجود دارد که نشان می‌دهد همه ما با سرعت‌های متفاوتی پیر می‌شویم. عواملی مانند ژنتیک، استرس، ورزش و انتخاب‌های سبک زندگی به سیگار کشیدن یا نوشیدن فکر کنید در این تغییرات نقش دارند. در حالی که آزمایش‌های ژنتیکی پیشرفته می‌توانند تغییرات DNA ما را در طول زمان ردیابی کنند، الگوریتم FaceAge جایگزین جذابی ارائه می‌دهد: ادعا می‌کند که با استفاده از چیزی بیش از یک سلفی، بینش‌هایی ارائه می‌دهد.
مدل الگوریتم FaceAge با استفاده از ۵۸,۸۵۱ تصویر پرتره از بزرگسالان ۶۰ سال به بالا، که از مجموعه داده‌های عمومی تهیه شده بود، توسعه داده شد. محققان برای آزمایش اینکه الگوریتم چقدر خوب کار می‌کند، آن را روی ۶۱۹۶ بیمار سرطانی که در ایالات متحده و هلند تحت درمان بودند، ارزیابی کردند. این تصاویر درست قبل از شروع پرتودرمانی بیماران گرفته شد. یافته‌ها نشان داد که به طور متوسط، بیماران سرطانی از نظر بیولوژیکی ۴.۷۹ سال پیرتر از سن واقعی خود به نظر می‌رسند.
جالب توجه است که امتیاز بالاتر الگوریتم FaceAge در بین بیماران سرطانی، حتی با در نظر گرفتن عواملی مانند سن تقویمی، جنسیت و نوع تومور، با احتمال کمتر بقا مرتبط بود. این خطر به ویژه برای کسانی که امتیاز بیولوژیکی آنها بالای ۸۵ بود، بیشتر بود.
جالب است که الگوریتم FaceAge چگونه پیری را به روشی کاملا متفاوت از برداشت‌های ما ارزیابی می‌کند. برای مثال، در حالی که ممکن است ما روی چیزهایی مانند موهای خاکستری یا لکه‌های طاسی تمرکز کنیم، FaceAge هنگام تعیین سن بیولوژیکی فرد، تأکید بیشتری بر تغییرات ظریف در تون عضلانی صورت دارد.
علاوه بر این، الگوریتم FaceAge نشان داده است که دقت پیش‌بینی‌های پزشکان را افزایش می‌دهد. در یک مطالعه، از هشت پزشک خواسته شد تا با بررسی عکس‌های سر بیماران سرطانی لاعلاج، پیش‌بینی کنند که چه کسی در شش ماه آینده فوت خواهد کرد. میزان موفقیت آنها تنها کمی بهتر از حدس زدن تصادفی بود. با این حال، وقتی به بینش‌های FaceAge دسترسی داشتند، دقت پیش‌بینی آنها به طرز چشمگیری بهبود یافت.
جالب اینجاست که مدل هوش مصنوعی حتی با تخمین سن بیولوژیکی بازیگر پل راد در ۴۳ سالگی، بر اساس عکسی که در واقع ۵۰ ساله بود، یک میم اینترنتی محبوب را تأیید کرد. مهم است که نگرانی‌های مربوط به تعصب و ملاحظات اخلاقی در این فناوری را در نظر داشته باشید.
ابزارهای مبتنی بر هوش مصنوعی اغلب به دلیل پتانسیل خود در ارائه تصویر نادرست از افراد با پیشینه‌های نژادی و قومی مختلف، مورد انتقاد قرار گرفته‌اند. دکتر مک خاطرنشان کرد که مطالعات اولیه هیچ گونه تعصب نژادی قابل توجهی را در پیش‌بینی‌های الگوریتم FaceAge نشان نداده‌اند. با این حال، تیم تحقیقاتی در حال حاضر روی یک مدل نسل دوم کار می‌کند و از داده‌های ۲۰،۰۰۰ بیمار برای بررسی عمیق‌تر این موضوع استفاده می‌کند.
آنها همچنین در حال بررسی این موضوع هستند که چگونه عناصری مانند آرایش، جراحی زیبایی یا حتی تغییرات در نورپردازی می‌توانند سیستم را فریب دهند.
گفتگوی اخلاقی پیرامون استفاده از این فناوری‌ها فوق‌العاده مهم است. هوش مصنوعی که بتواند سن بیولوژیکی را از روی یک سلفی تعیین کند، می‌تواند برای پزشکان یک عامل تغییر دهنده بازی باشد، اما ممکن است توجه شرکت‌های بیمه عمر یا کارفرمایانی را که می‌خواهند ریسک را ارزیابی کنند، نیز جلب کند.
دکتر هوگو آرتس، نویسنده اصلی این مطالعه و مدیر برنامه هوش مصنوعی در MGB Medicine، گفت:
«این قطعا موضوعی است که نیاز به تفکر دقیق دارد تا مطمئن شویم که این فناوری‌ها به بهترین شکل برای بیماران استفاده می‌شوند.»
یکی دیگر از معضلات اخلاقی زمانی بروز می‌کند که آینه واقعیت بیولوژیکی را آشکار می‌کند. کشف اینکه بدن شما پیرتر از آن چیزی است که فکر می‌کردید، می‌تواند الهام‌بخش تغییرات مثبت در سبک زندگی باشد، اما ممکن است منجر به احساس اضطراب و نگرانی نیز شود.
محققان در حال آماده‌سازی یک پورتال عمومی الگوریتم FaceAge هستند که در آن افراد می‌توانند عکس‌های خود را برای شرکت در یک مطالعه تحقیقاتی آپلود کنند و به اعتبارسنجی بیشتر الگوریتم کمک کنند. انتظار می‌رود نسخه‌های تجاری این فناوری که برای پزشکان در نظر گرفته شده است، پس از اعتبارسنجی کامل‌تر و اطمینان از اثربخشی و انصاف آن، عرضه شوند.
__ تکنو دات مرجع اخبار تکنولوژی __
