ԲՈՍԹՈՆ — Mass General Brigham-ի հետազոտողները մշակել են FAHR-Face անունով արհեստական բանականության հիմնարար մոդել, որը կարող է գնահատել մարդու կենսաբանական տարիքը և ուղղակիորեն կանխատեսել քաղցկեղով հիվանդների ապրելիության հավանականությունը հիվանդի դեմքի մեկ լուսանկարի հիման վրա, ինչպես հաղորդվում է Scientific American-ի հրապարակման մեջ՝ հղում կատարելով Lancet Digital Health ամսագրում հրապարակված հետազոտությանը։ Տեխնոլոգիան նպատակ ունի սուբյեկտիվ կլինիկական գնահատականները վերածել քանակական տվյալների՝ օգնելու ուռուցքաբաններին որոշելու համապատասխան բուժման պլանները։
Ավանդաբար, բժիշկները հիվանդի սենյակ մտնելիս տեսողական գնահատական են տալիս նրա ֆիզիկական պաշարների, առողջության և հյուծվածության վերաբերյալ, որպեսզի որոշեն՝ արդյոք նպատակահարմար է կիրառել ինտենսիվ բուժումներ, ինչպիսիք են վիրահատությունը, ճառագայթային թերապիան կամ քիմիաթերապիան։ News-Medical.net-ի և Mass General Brigham քաղցկեղի ինստիտուտի ճառագայթային ուռուցքաբան Ռեյմոնդ Մաքը նշել է, որ չնայած այս կլինիկական ինտուիցիան արժեքավոր է, այն այնուամենայնիվ մնում է սուբյեկտիվ։
Ինչպես է աշխատում FAHR-Face համակարգը
FAHR-Face կամ Foundation Artificial Intelligence for Health Recognition մոդելը վերապատրաստվել է՝ ալգորիթմին ենթարկելով դեմքի 40 միլիոն լուսանկար՝ առանց որևէ կոնկրետ խնդիր տալու, ինչը թույլ է տվել ստեղծել ընդհանուր տեսողական ներկայացում: Այնուհետև հետազոտողները մոդելը վերածել են երկու առանձին գործիքների՝ FAHR-FaceAge, որը գնահատում է կենսաբանական ծերացումը, և FAHR-FaceSurvival, որը կանխատեսում է քաղցկեղից մահացության կամ ապրելիության ռիսկերը։
Մոդելի կանխատեսումների հիմքում ընկած մեխանիզմները հասկանալու համար հետազոտական խումբն օգտագործել է ուշադրության քարտեզագրման մեթոդը: Կենսաբանական տարիքի գնահատման համար ալգորիթմը հիմնականում կենտրոնացել է դեմքի այնպիսի հատվածների վրա, ինչպիսիք են ճակատը և քթի ու բերանի միջև եղած կնճիռները: Ի հակադրություն դրան՝ քաղցկեղի ապրելիության կանխատեսման համար ԱԲ-ն կենտրոնացել է քթի կամրջակի և աչքերի տակ գտնվող հատվածի վրա: Թեև հստակ բժշկական պատճառները, թե ինչու են այս հատուկ գոտիները կապված ապրելիության հետ, դեռևս անհայտ են, երկու չափումների համադրությունն ապահովել է ավելի բարձր ճշգրտություն, քան ցանկացած գործիք առանձին վերցրած:
Կլինիկական փորձարկումների արդյունքները և ճշգրտությունը
3,820 քաղցկեղով հիվանդների խմբի վրա կատարված փորձարկումները ցույց են տվել զգալի կանխատեսողական ուժ: Ալգորիթմի կողմից ամենաբարձր ռիսկային գնահատականներ ստացած հիվանդների շրջանում ավելի քան կեսը՝ 122-ից 64-ը, մահացել է լուսանկարվելուց հետո 90 օրվա ընթացքում: Ավելի քան 38,000 քաղցկեղով հիվանդներ ներառող առանձին խումբը ևս ցույց է տվել, որ այն անհատները, ովքեր իրենց իրական տարիքից մեծ են երևացել, ունեցել են մահացության ավելի բարձր ռիսկ:
Ալգորիթմը ցուցաբերել է կայունություն լուսանկարչական տարբեր պայմանների նկատմամբ, ներառյալ ժպիտը, հոնքերը կիտելու, լուսավորության տատանումները, ինչպես նաև դիմահարդարման առկայությունը կամ բացակայությունը և պլաստիկ վիրահատությունները: Միակ բացառությունը ռինոպլաստիկան էր, որի դեպքում արհեստական բանականությունը վիրահատությունից հետո արված լուսանկարներում մարդկանց նախավիրահատականների համեմատ մի փոքր ավելի մեծ է գնահատել:
Կլինիկական պատրաստվածությունը և էթիկական հարցերը
Գիտակցելով արդյունքների նախնական բնույթը՝ Mass General Brigham-ը հայտարարել է տեխնոլոգիայի արտոնագրման հայտի մասին, սակայն գործիքը դեռևս պատրաստ չէ կլինիկական կիրառման: Նախնական ուսումնական տվյալների բազան հիմնականում հիմնված է Բոստոնի տարածաշրջանի քաղցկեղով հիվանդների վրա, որոնք մեծամասամբ սպիտակամորթներ են, ինչը հետազոտողներին դրդում է ընդլայնել ժողովրդագրական շրջանակը:
Անկախ բիոէթիկոսները նույնպես մտահոգություններ են հայտնել տեխնոլոգիայի հնարավոր հետևանքների վերաբերյալ: Նյու Յորքի համալսարանի բիոէթիկայի կենտրոնի տնօրեն Մեթյու Լյաոն զգուշացրել է, որ ավտոմատացված առողջապահական գնահատականները կարող են ռիսկեր ստեղծել, եթե դրանք սխալ կիրառվեն ապահովագրական ընկերությունների կամ գործատուների կողմից, կամ եթե ալգորիթմական սխալները հանգեցնեն բժշկական օգնության տրամադրման մերժմանը: