Mass General Brigham: sztuczna inteligencja ocenia wiek twarzy i rokowanie raka

Najważniejsze

  • •FaceAge szacuje wiek twarzy, a FaceSurvival wiąże cechy zdjęcia z prawdopodobieństwem przeżycia pacjentów, u których wcześniej rozpoznano nowotwór.
  • •Modele oparto na FAHR-Face, wytrenowanym na ponad 40 mln zdjęć twarzy, ale nie służą one do wykrywania raka ani określania dokładnego czasu przeżycia.
  • •W jednej z analiz twarz oceniona jako co najmniej pięć lat starsza od wieku metrykalnego wiązała się z 21-procentowym wyższym względnym ryzykiem zgonu.
  • •Retrospektywny charakter badania pokazuje związki statystyczne, lecz nie dowodzi, że użycie narzędzi poprawia decyzje kliniczne, bezpieczeństwo terapii lub przeżycie.
  • •Przed zastosowaniem klinicznym potrzebne są prospektywne badania, walidacja w różnych grupach pacjentów i ocena wpływu modeli na leczenie.
·
5 min

Naukowcy z Mass General Brigham opisali 19 października 2026 r. w „The Lancet Digital Health” dwa narzędzia sztucznej inteligencji analizujące zdjęcia twarzy pacjentów onkologicznych. FaceAge szacuje wiek twarzy, a FaceSurvival wiąże cechy obrazu z prawdopodobieństwem przeżycia. Retrospektywny charakter badania nie dowodzi jednak, że zastosowanie tych modeli poprawia leczenie.

Oba narzędzia oparto na modelu FAHR-Face, wytrenowanym na ponad 40 mln zdjęć twarzy. FaceAge podaje wynik określany przez autorów jako wiek biologiczny. Nie jest to bezpośredni pomiar kondycji całego organizmu. FaceSurvival analizuje natomiast związek wyglądu twarzy z przeżyciem osób, u których wcześniej rozpoznano nowotwór. Modele nie służą do wykrywania raka u zdrowych osób, nie wskazują dokładnego czasu przeżycia i nie zastępują lekarza.

W jednej z analiz uwzględniono 38 183 pacjentów w kohorcie z Harvardu. W kohorcie Maastro znalazły się 4892 osoby. Dostępne materiały nie wyjaśniają jednak w pełni, które grupy służyły do trenowania, walidacji i testowania modeli ani czy można je sumować. Według „The Boston Globe” pacjenci, których twarz model oceniał jako co najmniej pięć lat starszą od wieku metrykalnego, mieli o 21 proc. wyższe względne ryzyko zgonu. Analiza uwzględniała wiek, płeć, typ nowotworu i inne czynniki, ale nie przedstawiono pełnego zestawu zmiennych.

Niezależny ekspert Pratik Shah z University of California w Irvine powiedział „The Boston Globe”, że istotne związki z przeżyciem zaobserwowano w 18 z 28 kategorii nowotworów. Nie oznacza to, że narzędzia działały równie dobrze we wszystkich typach raka. Badanie opierało się na istniejących fotografiach, dokumentacji medycznej i późniejszych wynikach leczenia. Taki projekt może wykazać związek statystyczny, ale nie potwierdza, że model poprawia decyzje kliniczne, bezpieczeństwo terapii lub przeżycie.

Wcześniejsze badanie FaceAge z 2025 r. obejmowało 58 851 osób uznanych za zdrowe oraz 6196 pacjentów onkologicznych. Nie należy automatycznie przypisywać tych liczb najnowszej publikacji. Autorzy planują prospektywne badanie obejmujące 60 pacjentów w wieku co najmniej 65 lat z wczesnym rakiem płuca, przed radioterapią. Drugi projekt ma połączyć FaceAge z danymi z urządzeń noszonych i ocenić ryzyko powikłań chirurgicznych. Innym możliwym zastosowaniem jest kierowanie pacjentów do pełniejszej oceny geriatrycznej lub rehabilitacyjnej, ale wymaga to potwierdzenia w takich badaniach.

Najczęstsze pytania

Czym są FaceAge i FaceSurvival?▼
FaceAge szacuje wiek twarzy określany przez autorów jako wiek biologiczny, natomiast FaceSurvival analizuje cechy zdjęcia twarzy w celu oceny związku z przeżyciem osób z rozpoznanym nowotworem.
Czy narzędzia mogą wykryć raka u zdrowej osoby?▼
Nie. Modele nie służą do diagnozowania raka u osób zdrowych i nie zastępują badania lekarskiego ani diagnostyki onkologicznej.
Co oznacza wynik FaceAge?▼
Jest to szacunek wieku, na jaki wygląda twarz w ujęciu modelu, a nie bezpośredni pomiar kondycji całego organizmu.
Co oznaczało wyglądanie co najmniej pięć lat starzej?▼
W analizowanej kohorcie taki wynik wiązał się z 21-procentowym wyższym względnym ryzykiem zgonu, po uwzględnieniu części czynników klinicznych.
Czy FaceSurvival przewiduje dokładny czas życia?▼
Nie. Model ocenia statystyczny związek cech twarzy z przeżyciem w grupach pacjentów i nie podaje dokładnej daty ani czasu zgonu.
Czy badanie potwierdza, że AI poprawia leczenie?▼
Nie. Retrospektywny projekt może wykazać korelację, ale nie dowodzi poprawy decyzji klinicznych, bezpieczeństwa terapii ani przeżycia dzięki zastosowaniu modelu.

Słownik pojęć

FaceAge
Narzędzie AI szacujące wiek twarzy na podstawie fotografii i porównujące go z wiekiem metrykalnym.
FaceSurvival
Narzędzie AI analizujące cechy zdjęcia twarzy w celu oceny związku z przeżyciem pacjentów z wcześniej rozpoznanym nowotworem.
FAHR-Face
Model bazowy sztucznej inteligencji, na którym oparto FaceAge i FaceSurvival; został wytrenowany na ponad 40 mln zdjęć twarzy.
Wiek biologiczny
Przybliżona miara wieku wynikającego ze stanu zdrowia i funkcjonowania organizmu, odmienna od wieku metrykalnego; w tym badaniu szacowana na podstawie wyglądu twarzy.
Retrospektywne badanie
Badanie wykorzystujące już zgromadzone zdjęcia, dokumentację medyczną i wyniki leczenia, które może wskazywać korelacje, ale nie potwierdza związku przyczynowego.
Względne ryzyko zgonu
Porównanie prawdopodobieństwa zgonu między grupami, bez wskazywania bezwzględnego ryzyka dla konkretnej osoby.

Najważniejsze informacje o badaniu i ograniczeniach

ElementInformacja
TwórcyNaukowcy z Mass General Brigham
PublikacjaThe Lancet Digital Health, 19 października 2026 r.
Model bazowyFAHR-Face, wytrenowany na ponad 40 mln zdjęć twarzy
Kohorta z Harvardu38 183 pacjentów
Kohorta Maastro4892 osoby
Główna obserwacjaCo najmniej pięć lat starszy wygląd twarzy wiązał się z 21-procentowym wyższym względnym ryzykiem zgonu
Najważniejsze ograniczenieBadanie retrospektywne nie dowodzi poprawy leczenia ani przeżycia dzięki zastosowaniu AI

FaceAge a FaceSurvival

FaceAge
+Szacuje wiek twarzy i umożliwia porównanie z wiekiem metrykalnym.
+Może dostarczać dodatkowej informacji o ogólnej kruchości lub rezerwie fizjologicznej pacjenta.
+Jego wynik można badać w kontekście stylu życia i chorób.
−Nie jest bezpośrednim pomiarem kondycji całego organizmu.
−Nie służy do diagnozowania raka.
−Wynik nie powinien samodzielnie decydować o leczeniu.
wynikSzacowany wiek twarzy
podstawaZdjęcie twarzy
zastosowanieOcena związku wieku twarzy z wynikami zdrowotnymi
FaceSurvival
+Uczy się związku cech twarzy z przeżyciem pacjentów z rozpoznanym nowotworem.
+Może wspierać przyszłą ocenę ryzyka przed intensywnym leczeniem.
+W analizach wykazywał związki z przeżyciem w części kategorii nowotworów.
−Nie przewiduje dokładnego czasu przeżycia.
−Nie wykrywa raka u zdrowych osób.
−Skuteczność nie była jednakowa we wszystkich typach nowotworów i wymaga dalszej walidacji.
wynikStatystyczna ocena ryzyka przeżycia
podstawaZdjęcie twarzy oraz dane pacjentów onkologicznych
zastosowanieBadanie rokowania, a nie samodzielna decyzja terapeutyczna

Od zdjęcia twarzy do ostrożnej interpretacji

Zdjęcie twarzy
Model analizuje widoczne cechy obrazu pacjenta.
Analiza AI
Model bazowy został wytrenowany na ponad 40 mln zdjęć twarzy.
Dwa wyniki
Jedno narzędzie szacuje wiek twarzy, drugie wiąże obraz z przeżyciem pacjentów onkologicznych.
Interpretacja statystyczna
W jednej analizie wynik co najmniej pięć lat starszy od wieku metrykalnego wiązał się z wyższym ryzykiem zgonu.
Następny krok
Potrzebne są badania sprawdzające, czy narzędzia rzeczywiście poprawiają decyzje i wyniki leczenia.

Na podstawie artykułu oraz materiałów źródłowych; wartości dotyczą opisanych analiz retrospektywnych i nie stanowią indywidualnej prognozy.

Zbigniew Jakubas o robotach, AI i zdrowiu

Pierwsi napisali na ten temat

Komentarze (0)

0/2000

Powiązane artykuły

Badanie: Kryteria NHS pomijają młodsze kobiety z grupy ryzyka raka piersi

Analiza opublikowana 24 sierpnia 2026 roku wskazuje na niską skuteczność obecnych wytycznych NHS wobec kobiet przed 50. rokiem życia. Zastosowanie kalkulatora Boadicea wykazało podwyższone ryzyko u jednej czwartej pacjentek w tej grupie wiekowej, podczas gdy obecne procedury kwalifikują do specjalistycznej oceny zaledwie 1,4 procent z nich.

24 sierpnia 2026

Jak AI rewolucjonizuje wczesne wykrywanie raka piersi w Szwecji?

Badanie Szpitala Uniwersyteckiego Karolinska objęło prawie 90 tys. mammogramów od ponad 31 tys. pacjentek z czterech regionów Szwecji. Wyniki opublikowane w „Radiology” pokazują, że algorytmy częściej wskazywały podwyższone ryzyko u kobiet, u których później rozpoznano raka piersi.

13 czerwca 2026

Niemiecki szpital stosuje AI i zasadę czterech oczu w badaniach raka płuc

Niemiecka placówka medyczna uruchomiła system podwójnej oceny wyników niskodawkowej tomografii komputerowej u osób z grup podwyższonego ryzyka. Program opiera się na cyfrowej wymianie danych z gabinetami radiologicznymi oraz wsparciu sztucznej inteligencji. Pierwsza weryfikacja kliniczna potwierdziła gotowość szpitala do masowej diagnostyki.

23 lipca 2026

Szybsze starzenie biologiczne młodych wiąże się z ryzykiem raka

Badacze z Washington University School of Medicine przeanalizowali dane ponad 164 tys. osób z UK Biobank i programu All of Us. U uczestników urodzonych w latach 1990–1999 wskaźnik starzenia systemowego był o 92 proc. wyższy niż u osób urodzonych w latach 1965–1969. Najbardziej zaawansowane starzenie biologiczne wiązało się z 15-proc. wzrostem ryzyka wczesnych nowotworów.

15 września 2026

Metaanaliza z Chin: AI zwiększa wykrywalność pięciu z siedmiu analizowanych nowotworów

Naukowcy z Chin przeanalizowali 49 randomizowanych badań z lat 2017–2024 i sprawdzili, czy sztuczna inteligencja poprawia wykrywanie zmian nowotworowych w obrazowaniu medycznym. Największe efekty odnotowano w raku płuca i przełyku, a korzyści widoczne były też w przypadku jelita grubego, prostaty i piersi.

26 czerwca 2026

AI w diagnostyce raka piersi: przyszłość, która potrzebuje zrozumienia

Wprowadzenie technologii AI do wczesnego wykrywania raka piersi może znacząco poprawić wyniki zdrowotne, ale wymaga zrozumienia jej skuteczności i potencjalnych ograniczeń w różnych populacjach. Badania pokazują, że AI może identyfikować kobiety z wyższym ryzykiem raka, ale różnorodność demograficzna oraz kwestie etyczne pozostają kluczowymi wyzwaniami.

16 marca 2026

StartSzukaj