בינה מלאכותית משתמשת בתמונות פנים להערכת סיכון תמותה בטווח הקצר בחולי סרטן

Yesterday 09:15

תמונה של פני החולה עשויה לספק לרופאים מידע נוסף על בריאותם ועל תגובתם האפשרית לטיפול בסרטן, כך לפי מחקר שפורסם בThe Lancet Digital Health. פותחה על ידי חוקרים מרשת הבריאות האמריקאית מס ג'נרל בריגהם, שני כלי בינה מלאכותית מנתחים תמונות פנים כדי לזהות דפוסים הקשורים להזדקנות ביולוגית ולסיכון תמותה בטווח הקצר בקרב חולי סרטן.

הטכנולוגיה, הידועה בשם FAHR-Face, מייצגת גישה מתפתחת להערכת סיכון רפואי. במקום לזהות גידולים ישירות, היא בוחנת תכונות פנים שעשויות להיות קשורות סטטיסטית לבריאות הכללית של החולה ולסיכויי ההישרדות שלו.

חוקרים מאמינים שהתוצאות עשויות בסופו של דבר לסייע לצוותים רפואיים להעריך את הפגיעות של החולים בצורה עקבית יותר, במיוחד כאשר מדובר בטיפולים תובעניים. עם זאת, המודלים נותרו ניסיוניים ואינם מיועדים להחליף בדיקות רפואיות קונבנציונליות או שיפוט קליני.

שני מודלים של בינה מלאכותית, שני מדדים רפואיים שונים

המחקר הניב שני מערכות משלימות: FAHR-FaceAge ו-FAHR-FaceSurvival.

FAHR-FaceAge מעריך את הגיל הביולוגי של אדם מתכונות הפנים. בניגוד לגיל הכרונולוגי, המודד את הזמן שחלף מאז הלידה, הגיל הביולוגי שואף לשקף היבטים של מצב הגוף ותהליך ההזדקנות.

FAHR-FaceSurvival נוקטת בגישה שונה על ידי ניתוח תמונות פנים כדי להעריך את סיכון התמותה בקרב אנשים המאובחנים עם סרטן.

הטכנולוגיה הבסיסית אומנה בתחילה על יותר מ-40 מיליון תמונות פנים. החוקרים התאימו לאחר מכן את המודלים באמצעות נתונים רפואיים ותמונות מחולי סרטן, מה שאפשר להם לחקור את הקשרים בין תכונות הפנים לתוצאות קליניות.

מודל ההישרדות הוערך על קבוצת 3,820 חולים. בתוך אוכלוסייה זו, החוקרים זיהו הבדלים משמעותיים בתוצאות שנצפו בין חולים שהוקצו לקטגוריות סיכון שונות.

בין 122 חולים שהוגדרו כבעלי סיכון גבוה במיוחד, 52.5% מתו בתוך 90 יום מההערכה. בהשוואה, התמותה באותו פרק זמן הייתה כ-2% בין 975 חולים שהוצבו בקטגוריית הסיכון הנמוכה ביותר.

ממצאים אלה מצביעים על קשר בין הערכות המודל לתוצאות שלאחר מכן באוכלוסייה שנחקרה. הם אינם מצביעים על כך שהבינה המלאכותית יכולה לקבוע את גורלו של אדם מתמונה או לקבוע במדויק כמה זמן יחיה חולה.

תכונות פנים עשויות לחשוף סימנים להזדקנות ביולוגית

המודל השני בוחן אזורים בפנים שמבדילים מהאזורים המועדפים על ידי מערכת הערכת הגיל. FAHR-FaceAge מתמקדת באזורים כמו המצח, הרקות וקפלים סביב האף והפה, בעוד ש-FAHR-FaceSurvival נותנת משקל רב יותר לתכונות סביב העיניים וגשר האף.

חוקרים גם הבחינו כי חולים שהגיל הביולוגי המוערך שלהם היה גבוה מהגיל בפועל נטו לחוות תוצאות גרועות יותר. במחקר, חולים שפניהם נראו לפחות חמישה שנים יותר מגילם הכרונולוגי היו בסיכון גבוה יותר למוות ב-21%, בעוד שאלה שהוערכו כמבוגרים לפחות חמישה שנים היו בסיכון נמוך יותר ב-17%.

דפוסים אלה מצביעים על כך שתמונות פנים עשויות להכיל מידע הקשור לפגיעות פיזית. עם זאת, המנגנונים הביולוגיים המדויקים מאחורי הקשרים הללו נותרו לא ברורים. תכונת פנים שמזוהה על ידי אלגוריתם אינה קובעת, כשלעצמה, את קיומו של מחלה מסוימת או מסבירה מדוע מצב החולה עשוי להחמיר.

יישומים פוטנציאליים בטיפול מותאם אישית בסרטן

הערכת העמידות הפיזית של חולה היא חלק חשוב מתכנון טיפול בסרטן. רופאים חייבים לשקול האם אדם סביר שיסבול התערבויות תובעניות, כולל טיפול קרינתי, ניתוח וטיפולים מערכתיים.

כלי ניתוח פנים נגיש עשוי בסופו של דבר לספק מקור נוסף של מידע במהלך הערכות אלו. מכיוון שתמונות קלות יחסית להשגה, הטכנולוגיה עשויה להציע דרך מעשית לתמוך בהערכת הסיכון במצבים שבהם הערכות רחבות יותר קשות לביצוע.

המטרה של החוקרים היא להשלים את הידע הרפואי הקיים עם מדדים נוספים שיכולים לסייע לרופאים לקבל החלטות מותאמות אישית יותר. המודלים עשויים לתמוך בזיהוי חולים שדורשים מעקב צמוד יותר או הערכה מפורטת יותר לפני טיפול.

עם זאת, קשר סטטיסטי עם תמותה אינו מספיק לקבוע אם מערכת בינה מלאכותית משפרת את ההחלטות הקליניות. יש לבצע מחקר נוסף כדי לקבוע אם המידע המתקבל מתמונות פנים מוסיף ערך משמעותי מעבר למדדים הקיימים, כולל סוג הסרטן, שלב המחלה, היסטוריה רפואית, תוצאות מעבדה ומצב תפקודי כללי של החולה.

אתגרים מדעיים ואתיים נותרו

על אף הממצאים המעודדים, ישנם מספר מכשולים שיש להתמודד איתם לפני שטכנולוגיית ניתוח הפנים יכולה להפוך לחלק מטיפול שגרתי בסרטן.

אתגר מרכזי אחד הוא לקבוע אם המודלים פועלים באופן עקבי בקרב אוכלוסיות שונות. המחקר הסתמך במידה רבה על חולים מארצות בעלות הכנסה גבוהה, וחלק מהקבוצות הדמוגרפיות היו פחות מיוצגות מאחרות. מגבלות אלה מעלות שאלות לגבי הטיות פוטנציאליות ומהימנות התחזיות כאשר הטכנולוגיה מיועדת לחולים עם רקעים שונים.

חוקרים חייבים גם לקבוע אם המודלים נשארים מהימנים בסביבות קליניות שונות ובאוכלוסיות חולים שונות. יש צורך במחקרים פרוספקטיביים כדי להעריך את הביצועים שלהם בהגדרות בעולם האמיתי ולקבוע אם השימוש בתחזיות שלהם יכול לשפר את טיפול החולים.

פרטיות היא שיקול נוסף. תמונות פנים הן מידע אישי רגיש, והשימוש בהן במערכות בינה מלאכותית רפואיות דורש אמצעי הגנה מתאימים בנוגע להסכמה, הגנת נתונים וגישה.

מעל לכל, הטכנולוגיה לא צריכה להתפרש כנבואה מוחלטת לגבי הישרדותו של אדם. תוצאות הסרטן תלויות בגורמים רבים המתקשרים זה עם זה, ודירוג סיכון אלגוריתמי אינו יכול לתפוס כל היבט של מצב רפואי של חולה.

כלי מחקר, לא תחליף לרופאים

פיתוח FAHR-Face מדגים כיצד בינה מלאכותית יכולה להרחיב את טווח המידע הזמין לאנשי מקצוע רפואיים. על ידי זיהוי דפוסים שעשויים לא להיות ברורים במהלך בדיקה קונבנציונלית, ניתוח פנים עשוי בסופו של דבר לתרום להערכות מקיפות יותר של פגיעות החולה.

בינתיים, עם זאת, הטכנולוגיה נשארת כלי מחקר. ערכה המעשית תלוית באימות נוסף, הוכחות שהיא משפרת שיטות פרוגנוסטיות קיימות ואמצעים נגד הטיה ושימוש לרעה.

השאלה המרכזית כבר אינה פשוטה אם אלגוריתם יכול לזהות אותות סטטיסטיים בתמונה. השאלה היא אם אותות אלה יכולים לסייע לרופאים לקבל החלטות מושכלות יותר מבלי ליצור ודאות שקרית עבור חולים המתמודדים עם אבחון קשה.

אם מחקרים עתידיים יוכיחו תועלת קלינית משמעותית, ניתוח פנים עשוי להפוך לרכיב נוסף בטיפול אונקולוגי מותאם אישית. עד אז, אנשי מקצוע רפואיים חייבים להמשיך להסתמך על הערכות מקיפות במקום לפרש דירוג שנוצר על ידי הבינה המלאכותית כפסיקה על עתידו של חולה.