Tetap terinformasi dengan pembaruan gratis
Cukup mendaftar di Kecerdasan buatan Myft Digest: Dikirim langsung ke kotak masuknya.
Para ilmuwan telah menggunakan analisis kecerdasan buatan pasien kanker untuk memprediksi hasil kelangsungan hidup dan, dalam beberapa kasus, melebihi perkiraan harapan hidup jangka pendek dari dokter.
Para peneliti menggunakan algoritma pembelajaran yang mendalam untuk mengukur usia biologis subjek dan menemukan bahwa karakteristik pasien kanker muncul rata -rata sekitar lima tahun lebih besar dari usia kronologis mereka.
Alat teknologi baru, yang dikenal sebagai Faceage, adalah bagian dari dorongan yang berkembang untuk menggunakan perkiraan penuaan dalam organ tubuh seperti biomarker yang disebut SO dari risiko risiko potensial. Kemajuan dalam AI telah meningkatkan upaya ini karena kemampuan mereka untuk belajar dari set data kesehatan yang besar dan membuat proyeksi risiko berdasarkan mereka.
Investigasi menunjukkan bahwa informasi yang berasal dari gambar wajah bisa “signifikan secara klinis,” kata Hugo Aerts, penulis co-senior dari Peran Dalam studi yang diterbitkan di Lancet Digital Health pada hari Kamis.
“Pekerjaan ini menunjukkan bahwa foto seperti selfie sederhana berisi informasi penting yang dapat membantu menginformasikan rencana klinis pengambilan keputusan dan perawatan untuk pasien dan dokter,” kata AERS, direktur AI dalam kedokteran Jenderal Mass Brigham, yang berbasis di Massachusetts.
“Berapa usia seseorang dibandingkan dengan usia kronologis mereka sangat penting: orang dengan aspek yang lebih muda dari usia kronologis mereka secara signifikan lebih baik setelah terapi kanker,” tambahnya.
Para ilmuwan melatih wajah di 58.851 foto dugaan orang sehat dari set data publik. Kemudian mereka menguji algoritma pada 6.196 pasien kanker, menggunakan foto yang diambil pada awal radioterapi.
Di antara pasien kanker, semakin tua wajahnya, yang terburuk adalah hasil dari kelangsungan hidup, bahkan setelah menyesuaikan usia kronologis, jenis kelamin dan kanker. Efeknya terutama diucapkan untuk orang -orang yang muncul lebih dari 85.
Kemudian, para ilmuwan meminta 10 dokter dan peneliti untuk memprediksi apakah pasien yang menerima radioterapi paliatif untuk kanker lanjutan akan hidup setelah enam bulan, penasihat manusia benar sekitar 61 persen dari waktu mereka hanya memiliki akses ke foto pasien, tetapi itu membaik 80 persen ketika mereka juga memiliki analisis faceage.
Kemungkinan keterbatasan kemudahan termasuk bias dalam data dan potensi bacaan untuk mencerminkan kesalahan dalam model alih -alih perbedaan nyata antara usia kronologis dan biologis, kata tim peneliti.
Para ilmuwan sekarang menguji teknologi dalam kisaran pasien yang lebih luas, selain mengevaluasi kemampuan mereka untuk memprediksi penyakit, status kesehatan umum dan masa manfaat.
Studi biomarker untuk penuaan adalah masalah kegiatan penelitian yang intens. Pada bulan Februari, para ilmuwan menyajikan tes darah sederhana untuk mendeteksi seberapa cepat organ internal menjadi tua dan membantu menandai risiko untuk 30 penyakit, termasuk kanker paru -paru.
Penuaan wajah adalah bidang minat yang semakin besar, dengan para ilmuwan yang mengeksplorasi berbagai teknik. Salah satunya adalah konsep penuaan yang dirasakan: Dengan kata lain, berapa tahun Anda mencari seseorang untuk profesional kesehatan yang berpengalaman alih -alih berapa tahun mereka secara biologis?
Para peneliti mengatakan bahwa penuaan yang dirasakan telah menjadi prediktor kematian yang mungkin dan beberapa penyakit terkait usia. Ketidaknyamanan adalah bahwa generasi data oleh pengamatan manusia membutuhkan banyak waktu dan mahal.
Evaluasi Faceage tampaknya “cukup lengkap,” kata Jaume Bacardit, seorang spesialis di University of Newcastle yang telah melakukan pekerjaan Menerapkan teknologi untuk penuaan yang dirasakan.
Tetapi harus ada lebih banyak penjelasan tentang bagaimana teknik AI bekerja, untuk memverifikasi kemungkinan faktor yang menyimpang, tambahnya.
“Yaitu, di bagian mana wajah prediksi Anda berbasis?” Kata Bacardit. “Ini akan membantu mengidentifikasi kemungkinan faktor kebingungan yang dapat pergi tanpa terdeteksi sebaliknya.”
