Proizvođači FejsEjdža kažu da bi njihov alat mogao da pomogne ljekarima da odluče o najboljem načinu liječenja bolesti poput raka.
Kada ljekar liječi pacijenta oboljelog od raka, „jedna od prvih stvari koju rade jeste da pokušaju da procijene koliko dobro je pojedinac”, rekao je Hugo Aerts, direktor Programa vještačke inteligencije u medicini u Masačusetskoj opštoj bolnici u Brigamu.
Prema njegovim riječima, to je često veoma subjektivna procjena, ali može uticati na mnoge buduće odluke o liječenju, uključujući koliko agresivan ili intenzivan treba da bude njihov plan liječenja. Na primjer, ljekari mogu odlučiti da pacijent koji izgleda mlađe i bolje odgovara svojim godinama može bolje tolerisati agresivni tretman i na kraju živjeti duže od pacijenta koji izgleda starije i krhkije, čak i ako njih dvoje imaju istu starost. FejsEjdž bi mogao da olakša tu odluku pretvaranjem subjektivnih procjena ljekara u kvantitativnu mjeru, napisali su autori studije, a kvantifikovanjem biološke starosti, model bi mogao da ponudi još jednu tačku podataka koja bi pomogla ljekarima da odluče koji tretman da preporuče.
Aerts i njegove kolege su trenirali model na više od 58.000 fotografija ljudi starosti 60 godina i više za koje se pretpostavljalo da su prosječnog zdravlja za svoje godine u vrijeme kada je fotografija snimljena. U ovom skupu za obuku, istraživači su procijenili hronološku starost modela i pretpostavili da je biološka starost ljudi slična, iako su naučnici primijetili da ova pretpostavka nije tačna u svakom slučaju. Tim je zatim koristio FejsEjdž da predvidi starost više od 6.000 ljudi sa rakom. Pacijenti oboljeli od raka izgledali su u prosjeku oko pet godina starije od svoje hronološke starosti.
FejsEjdž procjene su takođe bile u korelaciji sa preživljavanjem nakon liječenja- što je osoba izgledala starije, bez obzira na svoju hronološku starost, manje su joj šanse da duže živi. Nasuprot tome, hronološka starost nije bila dobar prediktor preživljavanja kod pacijenata oboljelih od raka, otkrio je tim, prenosi Live Science.
Ipak, FejsEjdž još nije spreman za bolnice ili ljekarske ordinacije. Potrebna su dalja istraživanja sa većim i reprezentativnijim skupovima za obuku kako bi se razumjelo kako ti faktori utiču na procjene FejsEjdž. Istraživači i dalje poboljšavaju algoritam dodatnim podacima za obuku i testiraju njegovu efikasnost za druga stanja pored raka. Takođe istražuju koje faktore model koristi za svoja predviđanja. Ali kada bude finalizovan, ovaj program bi, na primjer, mogao da pomogne ljekarima da prilagode intenzitet liječenja raka, poput zračenja i hemoterapije, određenim pacijentima, rekao je tokom brifinga koautor studije dr Rej Mak, radioonkolog u Masačusetskoj opštoj bolnici u Brigamu.
Etičke smjernice koje se tiču načina na koji se informacije FaceAge-a mogu koristiti, kao što je to da li zdravstveno ili životno osiguranje može pristupiti procjenama FejsEjdž radi donošenja odluka o pokriću, trebalo bi da se uspostave prije uvođenja modela.