Pesquisadores da Mass General Brigham desenvolveram ferramentas de inteligência artificial que analisam uma fotografia do rosto em busca de sinais associados à idade biológica e aos desfechos de sobrevivência ao câncer. O trabalho, publicado na Lancet Digital Health, aponta para uma possível nova forma de quantificar a reserva física de um paciente antes de um tratamento intensivo, mas também levanta questões importantes sobre validação, privacidade e uso clínico adequado.
O sistema é chamado FAHR-Face, abreviação de Foundation Artificial Intelligence for Health Recognition. Ele foi treinado com mais de 40 milhões de imagens faciais e depois serviu de base para duas ferramentas distintas. A FAHR-FaceAge estima a idade biológica a partir de uma foto do rosto, enquanto a FAHR-FaceSurvival prevê desfechos de sobrevivência em pacientes com câncer.
Da idade cronológica à reserva física
A idade cronológica é fácil de registrar, mas não descreve completamente o quanto uma pessoa pode tolerar cirurgia, radiação ou terapia sistêmica. Duas pessoas da mesma idade podem apresentar níveis muito diferentes de fragilidade, resiliência e doenças subjacentes. Essas diferenças podem ser relevantes quando médicos e pacientes ponderam um tratamento agressivo e seus possíveis impactos.
Segundo os pesquisadores, o objetivo não é usar uma fotografia como diagnóstico isolado. Em vez disso, uma avaliação quantitativa derivada de uma imagem rotineira poderia futuramente complementar a avaliação clínica estabelecida. O radio-oncologista Raymond Mak, autor correspondente do estudo, afirmou que o papel pretendido é apoiar decisões personalizadas, e não substituir o julgamento médico.
Essa distinção é fundamental. Um modelo que identifica padrões estatísticos associados a desfechos não explica por que esses padrões existem em um paciente específico, nem determina qual tratamento essa pessoa deve receber. No máximo, poderia acrescentar um sinal padronizado a uma avaliação mais ampla, que inclua histórico médico, estado funcional, resultados laboratoriais, exames de imagem e avaliação clínica.
O que o estudo descobriu
O estudo de desenvolvimento e validação constatou que a diferença entre a estimativa de idade biológica do modelo e a idade cronológica do paciente estava independentemente associada à sobrevivência. Em termos práticos, a pesquisa sugere que parecer biologicamente mais velho ou mais jovem do que a idade do calendário, conforme medido por este modelo, contém informações que podem ser relevantes para o prognóstico.
A equipe também relatou que a FAHR-FaceAge foi mais precisa do que algoritmos anteriores de estimativa de idade e que ambas as ferramentas permaneceram robustas diante de variações comuns nas fotografias. Isso é importante para qualquer uso prático futuro: fotos clínicas nem sempre são capturadas com iluminação, pose ou qualidade de imagem idênticas.
A FAHR-FaceSurvival leva a ideia adiante ao gerar diretamente uma previsão de sobrevivência ao câncer a partir de uma imagem facial. O artigo descreve visualizações das áreas do rosto que mais influenciaram as saídas de cada modelo. Essas explicações visuais podem ser úteis para pesquisadores que estudam o comportamento do modelo, mas não devem ser confundidas com um mapa simples da doença. Os sistemas de IA podem depender de combinações sutis de características difíceis de interpretar e que podem refletir fatores correlacionados à saúde, e não uma causa biológica direta.
Valor potencial e salvaguardas necessárias
Uma avaliação baseada em fotografia pode ser atraente por ser não invasiva e potencialmente escalável. Se validada de forma independente, poderia ajudar médicos a identificar pacientes que precisam de uma avaliação mais cuidadosa da fragilidade ou de uma conversa sobre os riscos e benefícios dos cuidados intensivos. Também poderia tornar certas avaliações mais consistentes em locais onde os recursos especializados são limitados.
Mas a implementação desse tipo de tecnologia exigiria um padrão elevado. O desempenho precisaria ser testado em diferentes populações de pacientes e em fluxos de trabalho clínicos reais, não apenas no ambiente de desenvolvimento. Os médicos precisariam de informações claras sobre quando o resultado é confiável, como combiná-lo com outras evidências e quando desconsiderá-lo.
Imagens faciais também são dados biométricos altamente sensíveis. Qualquer implementação clínica exigiria fortes proteções relacionadas a consentimento, armazenamento, acesso e uso secundário. Hospitais e reguladores também precisariam avaliar se o desempenho do modelo é equitativo entre grupos demográficos e se erros poderiam ampliar disparidades no atendimento oncológico.
Uma linha de pesquisa para apoio à decisão
A FAHR-Face ilustra uma mudança mais ampla na IA médica: modelos fundacionais treinados em grande escala estão sendo adaptados para tarefas clínicas mais específicas. A promessa é que o pré-treinamento amplo possa capturar representações visuais úteis que depois apoiem ferramentas especializadas. O desafio é garantir que um resultado técnico impressionante se torne seguro, compreensível e clinicamente significativo.
Por enquanto, os achados devem ser vistos como evidência de que fotografias faciais podem conter informações mensuráveis relacionadas à saúde além da idade aparente. Transformar essas informações em parte do atendimento de rotina dependerá de validação adicional e governança cuidadosa. O objetivo declarado pelos pesquisadores — apoiar, e não substituir, o julgamento médico — estabelece um limite adequado para uma tecnologia que poderia influenciar decisões de tratamento com consequências importantes.
Este artigo é baseado em uma reportagem da Medical Xpress. Leia o artigo original.
Originally published on medicalxpress.com
