40 दशलक्ष चेहऱ्याच्या प्रतिमांवर प्रशिक्षित एआय केवळ एका फोटोवरून जैविक वय आणि कर्करोग जगण्याच्या शक्यतांचा अंदाज लावू शकते

122 रूग्णांपैकी सर्व्हायव्हल मॉडेलने सर्वाधिक जोखीम रेट केली, 52.5% मूल्यांकनाच्या 90 दिवसांच्या आत मरण पावले, 975 पैकी 2% रुग्णांच्या तुलनेत सर्वात कमी जोखीम रेट केले गेले, अभ्यासानुसार, ऑक्टोबर 19 ला द लॅन्सेट डिजिटल हेल्थ मध्ये प्रकाशित झाले.

मास जनरल ब्रिघम कॅन्सर इन्स्टिट्यूटचे रेडिएशन ऑन्कोलॉजिस्ट, अभ्यासाचे लेखक रेमंड मॅक यांनी सांगितले की, “मला हे जाणून आश्चर्य वाटले की आम्ही केवळ चेहऱ्याच्या छायाचित्रातून मृत्यूच्या धोक्याची चिन्हे शोधू शकतो. CNN.

टीमने प्रथम FAHR-फेस नावाचे एक फाउंडेशन मॉडेल तयार केले, ज्याला विविध वयोगटातील आणि वांशिक पार्श्वभूमीच्या 40 दशलक्षाहून अधिक चेहर्यावरील प्रतिमांवर प्रशिक्षण दिले गेले.

त्यातून त्यांनी दोन साधने विकसित केली. FAHR-FaceAge जैविक वयाचा अंदाज लावते, एखादी व्यक्ती किती वर्षे जगली यापेक्षा शरीराचे वय कसे वाढले याचे मोजमाप. FAHR-फेससर्व्हायव्हल थेट चेहऱ्याच्या फोटोवरून कर्करोगाच्या रूग्णांमध्ये जगण्याची भविष्यवाणी करते.

1,060 रूग्णांपैकी ज्यांचे अंदाजे जैविक वय त्यांचे कालक्रमानुसार वय 20 वर्षांपेक्षा जास्त आहे, 21% 90 दिवसांच्या आत मरण पावले. 4,195 रूग्णांपैकी सुमारे 6% रूग्ण त्यांच्या वास्तविक वयापेक्षा किमान 10 वर्षांनी लहान असल्याचा अंदाज याच कालावधीत मरण पावला.

दोन उपकरणे चेहऱ्याचे वेगवेगळे भाग वाचतात. वयाचे मॉडेल मंदिरे, डोळ्यांच्या वरचे कपाळ आणि नासोलाबियल फोल्ड्स, नाकापासून तोंडाच्या कोपऱ्यापर्यंत वाहणार्या रेषा यावर लक्ष केंद्रित करते, तर सर्व्हायव्हल मॉडेल नाकाच्या पुलावर आणि डोळ्यांखालील क्षेत्राकडे पाहते.

400 BC च्या आसपास ग्रीक वैद्य हिप्पोक्रेट्सने बुक ऑफ प्रोग्नोस्टिक्समध्ये वर्णन केलेल्या चिन्हांसह ते क्षेत्र आच्छादित आहेत, जेव्हा त्यांनी “नाक तीक्ष्ण, डोळे बुडलेले, मंदिरे खाली पडली” अशी चिन्हे स्नायूंचा नाश आणि मृत्यूच्या धोक्याची चिन्हे म्हणून सूचीबद्ध केली आहेत.

“आमचे अल्गोरिदम कदाचित हजारो वर्षापूर्वीचे हिप्पोक्रेट्सचे शहाणपण प्रतिकृती करत असतील असा विचार करणे आम्हाला मनाला आनंद देणारे होते,” मॅक म्हणाले. त्यांनी नमूद केले की मॉडेल्सना प्राचीन ग्रंथांमध्ये प्रवेश नव्हता, कारण त्यांना “निव्वळ चेहऱ्यावरील छायाचित्रांवर आणि नंतर कोणी मरण पावले की नाही, किंवा त्यांचे वय यावर प्रशिक्षण दिले गेले.”

मास जनरल ब्रिघमच्या मते, वय मॉडेलचे अंदाज पोझ, लाइटिंग, चेहर्यावरील हावभाव आणि मेकअपमधील बदल आणि चाचणी केलेल्या बहुतेक प्लास्टिक सर्जरी प्रक्रियेमध्ये स्थिर होते, राइनोप्लास्टीनंतरच थोडेसे बदलते.

लेखक म्हणतात की साधने डॉक्टरांना बदलण्यासाठी नाहीत. मॅक म्हणाले की प्रवेगक वृद्धत्व किंवा उच्च मृत्यूचे स्कोअर लवकर पकडणे अशा रुग्णांना ओळखण्यात मदत करू शकते ज्यांना गंभीर परिस्थितींसाठी पुढील चाचणीचा फायदा होऊ शकतो आणि अधिक संशोधन हे सिद्ध करू शकते की हे निष्कर्ष निरोगी लोकांपर्यंत पोहोचतात.

विल्बर लॅम, एमोरी विद्यापीठातील बालरोग आणि बायोमेडिकल अभियांत्रिकीचे प्राध्यापक, जे या अभ्यासात सहभागी नव्हते, त्यांनी याला “अत्यंत आकर्षक अभ्यास म्हटले जे मोठ्या डेटा संचातून उद्भवते.” “त्याची खरी क्लिनिकल उपयुक्तता, तथापि, संभाव्यपणे प्रदर्शित करणे आवश्यक आहे,” त्याने सांगितले CNN.

ब्रिटनमधील सरे विद्यापीठातील व्हिडिओ प्रोसेसिंग आणि मशीन इंटेलिजन्सचे प्राध्यापक मिरोस्ला बॉबर म्हणाले की, रेडिओथेरपी घेणाऱ्या कर्करोगाच्या रुग्णांमध्ये चेहऱ्याचे स्वरूप आणि जगणे यांच्यातील सांख्यिकीय दुव्याचा “पक्की पुरावा” या अभ्यासातून मिळतो.

परंतु “परिणामाचा अंदाज लावणे हे त्याचे स्पष्टीकरण देण्यासारखे नसते,” त्यांनी सायन्स मीडिया सेंटरने वितरित केलेल्या निवेदनात म्हटले आहे की, एआय डॉक्टरांना असे काही ओळखत नाही की नाही हे या अभ्यासाने तपासले नाही. “हा संकल्पनेचा एक आश्वासक पुरावा आहे, परंतु तो क्लिनिकल वापरासाठी तयार नाही.”

कॅलिफोर्निया युनिव्हर्सिटी, बर्कले येथील कॉम्प्युटर सायन्सच्या सहाय्यक प्राध्यापक एम्मा पियर्सन यांनी वांशिक पूर्वाग्रहाबद्दल चिंता व्यक्त केली. “जेव्हाही तुम्ही एखाद्याच्या चेहऱ्यावर काहीतरी प्रशिक्षित करता तेव्हा तुम्ही मॉडेलच्या अंदाजांमध्ये रुग्णाच्या शर्यतीचा अंतर्भाव करता,” तिने सांगितले वॉशिंग्टन पोस्ट.

संशोधकांनी नमूद केले की त्यांच्या गटात केवळ कर्करोगाच्या रुग्णांचा समावेश होतो, मुख्यतः उच्च-उत्पन्न असलेल्या देशांतील, आणि व्यापक, अधिक प्रतिनिधी लोकसंख्येमध्ये प्रमाणीकरण करण्याची मागणी केली.

मास जनरल ब्रिघमने एक ऑनलाइन फेसएज संशोधन अभ्यास देखील उघडला आहे, ज्यामध्ये सार्वजनिक सदस्य चेहरा फोटो अपलोड करू शकतात, त्यांच्या चेहर्यावरील वयाचे संशोधन वाचन प्राप्त करू शकतात आणि टूल प्रमाणित करण्यात मदत करण्यासाठी डेटाचे योगदान देऊ शकतात.