پژوهشگران آمریکایی مدلی از هوش مصنوعی توسعه داده‌اند که می‌تواند با تحلیل یک عکس ساده از چهره، سن زیستی (Biological Age) را تخمین بزند و در بیماران مبتلا به سرطان، خطر مرگ‌ومیر را ارزیابی کند.
این مدل که FAHR-Face نام دارد، با بیش از ۴۰ میلیون تصویر چهره آموزش داده شده و برای دو کاربرد جداگانه توسعه یافته است: تخمین سن زیستی و ارزیابی خطر بقا در بیماران سرطانی.
هوش مصنوعی در پیش‌آگهی سرطان
سن شناسنامه‌ای فقط تعداد سال‌های زندگی را نشان می‌دهد؛ اما سن زیستی به وضعیت و میزان فرسودگی بدن مربوط است.
مدل FAHR-FaceAge توانست سن افراد را در مجموعه‌های عمومی با خطای متوسط حدود ۵٫۱ سال تخمین بزند. پژوهشگران همچنین پایداری عملکرد مدل را در برابر عواملی مانند آرایش، ژست و زاویه چهره، نورپردازی و برخی تغییرات مرتبط با اعمال زیبایی بررسی کردند.
در بخش دیگری از پژوهش، مدل FAHR-FaceSurvival با استفاده از عکس بیش از ۳۴ هزار بیمار مبتلا به سرطان آموزش داده شد تا بتواند اطلاعات مرتبط با خطر مرگ‌ومیر را از چهره استخراج کند.
آیا چهره می‌تواند خطر مرگ‌ومیر را نشان دهد؟
مدل در مجموعه‌های مستقلی از بیماران سرطانی نیز ارزیابی شد. نتایج نشان داد بیمارانی که در بالاترین گروه خطر قرار گرفتند، بیش از سه برابر گروه کم‌خطر در معرض مرگ‌ومیر بودند.
پژوهشگران همچنین عوامل بالینی و پیش‌آگهی‌کننده شناخته‌شده را در تحلیل آماری در نظر گرفتند و دریافتند که اطلاعات استخراج‌شده از چهره می‌تواند اطلاعات پیش‌آگهی متفاوت و مکملی ارائه کند.
آیا هوش مصنوعی می‌تواند طول عمر افراد را از روی چهره مشخص کند؟
خیر. این پژوهش نشان نمی‌دهد که می‌توان از روی یک عکس مشخص کرد یک فرد چند سال دیگر زندگی خواهد کرد. مدل مورد مطالعه، خطر آماری مرگ‌ومیر را در بیماران مبتلا به سرطان ارزیابی کرده است، نه طول عمر دقیق افراد سالم.
نتایج این مطالعه نشان می‌دهد چهره ممکن است اطلاعاتی درباره پیری زیستی و وضعیت سلامت بدن در خود داشته باشد که با چشم انسان به‌سادگی قابل تشخیص نیست. بااین‌حال، FAHR-Face همچنان یک ابزار پژوهشی است و برای استفاده معمول در پزشکی به اعتبارسنجی و بررسی‌های بیشتری نیاز دارد.
منبع: Haugg F, Lee G, He J, et al. Foundation artificial intelligence models for health recognition by use of face photographs (FAHR-Face): a model development and validation study. The Lancet Digital Health. DOI: 10.1016/j.landig.2026.101056.
