Forscher von Mass General Brigham haben Werkzeuge der künstlichen Intelligenz entwickelt, die ein Gesichtsfoto auf Hinweise analysieren, die mit dem biologischen Alter und Überlebensresultaten bei Krebs verbunden sind. Die in Lancet Digital Health veröffentlichte Arbeit weist auf eine mögliche neue Möglichkeit hin, die körperlichen Reserven eines Patienten vor einer intensiven Behandlung zu quantifizieren. Zugleich wirft sie wichtige Fragen zur Validierung, zum Datenschutz und zur angemessenen klinischen Anwendung auf.
Das System heißt FAHR-Face, kurz für Foundation Artificial Intelligence for Health Recognition. Es wurde mit mehr als 40 Millionen Gesichtsaufnahmen trainiert und anschließend als Grundlage für zwei separate Werkzeuge verwendet. FAHR-FaceAge schätzt das biologische Alter anhand eines Gesichtsfotos, während FAHR-FaceSurvival Überlebensresultate bei Krebspatienten vorhersagt.
Vom chronologischen Alter zu den körperlichen Reserven
Das chronologische Alter lässt sich leicht erfassen, beschreibt aber nicht vollständig, wie gut eine Person eine Operation, Bestrahlung oder systemische Therapie vertragen könnte. Zwei gleichaltrige Menschen können sich hinsichtlich Gebrechlichkeit, Widerstandsfähigkeit und zugrunde liegender Erkrankungen deutlich unterscheiden. Diese Unterschiede können eine Rolle spielen, wenn Ärzte und Patienten eine aggressive Behandlung gegen ihre voraussichtlichen Belastungen abwägen.
Nach Angaben der Forscher besteht das Ziel nicht darin, ein Foto als eigenständige Diagnose zu verwenden. Vielmehr könnte eine aus einem routinemäßigen Bild abgeleitete quantitative Einschätzung künftig die etablierte klinische Beurteilung ergänzen. Der Radioonkologe Raymond Mak, korrespondierender Autor der Studie, sagte, die vorgesehene Rolle bestehe darin, personalisierte Entscheidungen zu unterstützen und nicht das ärztliche Urteil zu ersetzen.
Diese Unterscheidung ist zentral. Ein Modell, das statistische Muster erkennt, die mit Behandlungsergebnissen verbunden sind, erklärt nicht, warum diese Muster bei einem einzelnen Patienten bestehen, und bestimmt auch nicht, welche Behandlung diese Person erhalten sollte. Es könnte höchstens ein standardisiertes Signal zu einer umfassenderen Beurteilung hinzufügen, die Krankengeschichte, Funktionsstatus, Laborergebnisse, Bildgebung und die Untersuchung durch einen Arzt umfasst.
Was die Studie ergab
Die Entwicklungs- und Validierungsstudie ergab, dass die Differenz zwischen der biologischen Altersschätzung des Modells und dem chronologischen Alter des Patienten unabhängig mit dem Überleben verbunden war. Praktisch deutet die Forschung darauf hin, dass es prognostisch relevante Informationen enthalten kann, wenn eine Person nach der Messung dieses Modells biologisch älter oder jünger wirkt als ihr Kalenderalter.
Das Team berichtete außerdem, dass FAHR-FaceAge genauer war als frühere Algorithmen zur Altersschätzung und dass beide Werkzeuge gegenüber üblichen Unterschieden bei Fotografien robust blieben. Das ist für jede künftige praktische Anwendung wichtig: Klinische Aufnahmen entstehen nicht immer unter identischen Bedingungen hinsichtlich Beleuchtung, Haltung oder Bildqualität.
FAHR-FaceSurvival geht noch einen Schritt weiter, indem es direkt aus einem Gesichtsfoto eine Vorhersage zum Überleben bei Krebs erstellt. Der Artikel beschreibt Visualisierungen der Gesichtsbereiche, die die Ausgaben der jeweiligen Modelle am stärksten beeinflussten. Solche visuellen Erklärungen können für Forscher nützlich sein, die das Verhalten eines Modells untersuchen, sollten aber nicht mit einer einfachen Karte der Krankheit verwechselt werden. KI-Systeme können auf schwer interpretierbaren, subtilen Merkmalskombinationen beruhen, die möglicherweise mit der Gesundheit korrelierte Faktoren und nicht eine direkte biologische Ursache widerspiegeln.
Möglicher Nutzen und notwendige Schutzmaßnahmen
Eine fotobasierte Beurteilung könnte attraktiv sein, weil sie nicht invasiv und potenziell skalierbar ist. Bei unabhängiger Validierung könnte sie Ärzten helfen, Patienten zu identifizieren, die eine sorgfältigere Beurteilung der Gebrechlichkeit oder ein Gespräch über die Risiken und Vorteile einer intensiven Behandlung benötigen. Sie könnte außerdem bestimmte Bewertungen in Einrichtungen mit begrenzten spezialisierten Ressourcen einheitlicher machen.
Die Einführung einer solchen Technologie würde jedoch hohe Anforderungen stellen. Die Leistung müsste in verschiedenen Patientengruppen und realen klinischen Abläufen getestet werden, nicht nur in der Entwicklungsumgebung. Ärzte bräuchten klare Informationen darüber, wann das Ergebnis zuverlässig ist, wie es mit anderen Erkenntnissen kombiniert werden sollte und wann es unberücksichtigt bleiben muss.
Gesichtsbilder sind zudem hochsensible biometrische Daten. Jede klinische Umsetzung würde strenge Schutzmaßnahmen für Einwilligung, Speicherung, Zugriff und Sekundärnutzung erfordern. Krankenhäuser und Aufsichtsbehörden müssten außerdem prüfen, ob die Modellleistung über demografische Gruppen hinweg gerecht ist und ob Fehler Ungleichheiten in der Krebsversorgung verstärken könnten.
Eine Forschungsrichtung zur Entscheidungsunterstützung
FAHR-Face veranschaulicht einen umfassenderen Wandel in der medizinischen KI: Im großen Maßstab trainierte Basismodelle werden an spezifischere klinische Aufgaben angepasst. Die Hoffnung besteht darin, dass ein breit angelegtes Vortraining nützliche visuelle Repräsentationen erfassen kann, die später spezialisierte Werkzeuge unterstützen. Die Herausforderung liegt darin, ein technisch beeindruckendes Ergebnis in ein sicheres, verständliches und klinisch bedeutsames Instrument zu verwandeln.
Vorerst sollten die Ergebnisse am besten als Hinweis darauf betrachtet werden, dass Gesichtsfotos über das augenscheinliche Alter hinaus messbare gesundheitsbezogene Informationen enthalten können. Ob diese Informationen in die Routineversorgung einfließen, wird von weiterer Validierung und sorgfältiger Governance abhängen. Das von den Forschern erklärte Ziel — das ärztliche Urteil zu unterstützen und nicht zu ersetzen — setzt eine angemessene Grenze für eine Technologie, die folgenreiche Behandlungsentscheidungen beeinflussen könnte.
Dieser Artikel basiert auf einer Berichterstattung von Medical Xpress. Den Originalartikel lesen.
Originally published on medicalxpress.com
