Los ojos pueden ser la ventana del alma, pero la edad biológica de una persona podría reflejarse en sus rasgos faciales. Investigadores del Hospital General Brigham de Massachusetts desarrollaron un algoritmo de aprendizaje profundo llamado «FaceAge» que utiliza una foto del rostro de una persona para predecir la edad biológica y la supervivencia de los pacientes con cáncer.
Por el general de masas Brigham
Descubrieron que los pacientes con cáncer , en promedio, tenían un FaceAge más alto que aquellos sin cáncer y parecían unos cinco años mayores que su edad cronológica .
Las predicciones de FaceAge más antiguas se asociaron con peores resultados de supervivencia general en múltiples tipos de cáncer. También descubrieron que FaceAge superó a los médicos en la predicción de la esperanza de vida a corto plazo de los pacientes que recibían radioterapia paliativa.
Sus resultados se publican en The Lancet Digital Health .
«Podemos usar inteligencia artificial (IA) para estimar la edad biológica de una persona a partir de fotografías de su rostro, y nuestro estudio demuestra que esa información puede ser clínicamente significativa», afirmó el coautor principal y correspondiente, Hugo Aerts, Ph.D., director del programa de Inteligencia Artificial en Medicina (AIM) en Mass General Brigham.
Este trabajo demuestra que una foto, como una simple selfi, contiene información importante que podría ayudar a fundamentar la toma de decisiones clínicas y los planes de atención para pacientes y médicos. La edad aparente en comparación con su edad cronológica es realmente importante: las personas con edades faciales más jóvenes que su edad cronológica tienen un rendimiento significativamente mejor después de la terapia contra el cáncer .
Cuando los pacientes ingresan a las consultas, su apariencia puede dar a los médicos pistas sobre su salud y vitalidad general. Estas evaluaciones intuitivas, combinadas con la edad cronológica del paciente, además de muchas otras medidas biológicas, pueden ayudar a determinar el mejor tratamiento.
Sin embargo, como cualquier persona, los médicos pueden tener prejuicios sobre la edad de una persona que pueden influir en ella, lo que aumenta la necesidad de medidas más objetivas y predictivas para fundamentar las decisiones de atención.
Con ese objetivo en mente, los investigadores del Mass General Brigham aprovecharon tecnologías de aprendizaje profundo y reconocimiento facial para entrenar FaceAge. La herramienta se entrenó con 58.851 fotos de individuos presuntamente sanos de bases de datos públicas. El equipo probó el algoritmo en una cohorte de 6.196 pacientes con cáncer de dos centros, utilizando fotografías tomadas rutinariamente al inicio del tratamiento de radioterapia.
Los resultados mostraron que los pacientes con cáncer parecen significativamente mayores que quienes no lo padecen, y su edad facial, en promedio, era aproximadamente cinco años mayor que su edad cronológica. En la cohorte de pacientes con cáncer, una edad facial mayor se asoció con peores resultados de supervivencia, especialmente en individuos que parecían mayores de 85 años, incluso después de ajustar por edad cronológica, sexo y tipo de cáncer.
El tiempo estimado de supervivencia al final de la vida es difícil de precisar, pero tiene importantes implicaciones terapéuticas en la atención oncológica. El equipo pidió a 10 médicos e investigadores que predijeran la esperanza de vida a corto plazo a partir de 100 fotografías de pacientes que recibían radioterapia paliativa.
Si bien el rendimiento fue muy variable, en general, las predicciones de los médicos clínicos fueron apenas mejores que las de un lanzamiento de moneda, incluso después de proporcionarles contexto clínico, como la edad cronológica del paciente y su estado oncológico. Sin embargo, cuando también se les proporcionó la información de FaceAge del paciente, sus predicciones mejoraron significativamente.
Se necesita más investigación antes de que esta tecnología pueda considerarse para su uso en un entorno clínico real. El equipo de investigación está probando esta tecnología para predecir enfermedades, el estado general de salud y la esperanza de vida. Los estudios de seguimiento incluyen la expansión de este trabajo a diferentes hospitales, el análisis de pacientes en diferentes etapas de cáncer, el seguimiento de las estimaciones de FaceAge a lo largo del tiempo y la comprobación de su precisión con conjuntos de datos de cirugía plástica y maquillaje.
«Esto abre la puerta a un nuevo campo de descubrimiento de biomarcadores a partir de fotografías, y su potencial va mucho más allá del tratamiento del cáncer o la predicción de la edad», dijo el coautor principal Ray Mak, MD, miembro de la facultad del programa AIM en Mass General Brigham.
A medida que consideramos cada vez más las diferentes enfermedades crónicas como enfermedades propias del envejecimiento, cobra mayor importancia poder predecir con precisión la trayectoria de envejecimiento de cada individuo. Espero que, en última instancia, podamos utilizar esta tecnología como un sistema de detección temprana en diversas aplicaciones, dentro de un sólido marco regulatorio y ético, para ayudar a salvar vidas.
Más información: Bontempi et al. FaceAge, un sistema de aprendizaje profundo para estimar la edad biológica a partir de fotografías faciales y mejorar el pronóstico: un estudio de desarrollo y validación de modelos, The Lancet Digital Health (2025). DOI: 10.1016/j.landig.2025.03.002
Leyenda de foto principal: Este gráfico representa cómo se podría calcular la edad facial a partir de la foto de un paciente. El paciente de esta foto fue generado por IA. Crédito: Mass General Brigham
