 |
| Việc xác định được tính tuổi sinh học có thể dự đoán khả năng sống sót của bệnh nhân ung thư. Ảnh minh họa: Getty Images. |
Theo báo Anh The Guardian, hệ thống này do các chuyên gia thuộc Mass General Brigham, hệ thống y tế học thuật tích hợp phi lợi nhuận tại bang Massachusetts (Mỹ), phát triển nhằm ước tính tuổi sinh học và dự đoán kết quả sống sót của bệnh nhân ung thư.
Nghiên cứu về công cụ này đã được công bố trên tạp chí The Lancet Digital Health. Đây được xem là một trong những minh chứng toàn diện về tiềm năng ứng dụng AI phân tích ảnh khuôn mặt trong đánh giá tình trạng sức khỏe và hỗ trợ các quyết định y tế. Mô hình được huấn luyện trên dữ liệu gồm hơn 40 triệu ảnh khuôn mặt của những người thuộc nhiều nhóm sắc tộc và độ tuổi khác nhau.
Các nhà nghiên cứu phát triển hai công cụ bổ trợ từ cùng một mô hình nền tảng. Trong đó, FAHR-FaceAge ước tính tuổi sinh học và đánh giá khả năng sống sót của bệnh nhân ung thư; FAHR-FaceSurvival dự đoán trực tiếp khả năng sống sót từ ảnh chụp khuôn mặt, thay vì thông qua ước tính tuổi sinh học.
Mặc dù được phát triển từ cùng một mô hình, hai công cụ khai thác những đặc điểm khác nhau trên khuôn mặt để đưa ra dự đoán. FAHR-FaceAge tập trung vào các nếp gấp kéo dài từ hai bên cánh mũi xuống khóe miệng, vùng trán phía trên hốc mắt và vùng thái dương. Trong khi đó, FAHR-FaceSurvival chú trọng khu vực dưới mắt và xung quanh sống mũi.
Ông Hugo Aerts, đồng tác giả cấp cao của nghiên cứu, cho biết FAHR-FaceSurvival đánh dấu bước tiến trong lĩnh vực ứng dụng AI để đánh giá sức khỏe qua khuôn mặt, khi hệ thống có thể học trực tiếp các dấu hiệu liên quan đến nguy cơ tử vong từ ảnh chụp bệnh nhân ung thư. Theo ông, đây là minh chứng đầu tiên cho thấy mô hình AI có thể dự đoán khả năng sống sót của bệnh nhân ung thư chỉ từ một bức ảnh thông thường.
Kết quả nghiên cứu trên các bệnh nhân ung thư được điều trị bằng xạ trị tại Mỹ cho thấy những người được FAHR-FaceAge đánh giá có tuổi sinh học cao hơn tuổi thực từ 5 năm trở lên có nguy cơ tử vong cao hơn 21% so với những bệnh nhân còn lại trong nhóm, trong thời gian theo dõi trung bình 4 năm. Ngược lại, nhóm có tuổi sinh học thấp hơn tuổi thực từ 5 năm trở lên có nguy cơ tử vong thấp hơn 17%.
Ông Aerts cho biết điểm đột phá về kỹ thuật nằm ở khả năng học các đặc điểm khuôn mặt mang tính khái quát từ hơn 40 triệu hình ảnh, sau đó điều chỉnh mô hình để dự đoán những kết quả sức khỏe khác nhau, như tuổi sinh học và khả năng sống sót. Cách tiếp cận dựa trên mô hình nền tảng này có thể tạo điều kiện phát triển nhiều chỉ dấu sinh học thông qua khuôn mặt mà không cần huấn luyện từng mô hình riêng biệt từ đầu.
Theo các nhà nghiên cứu, kết quả trên cho thấy tuổi sinh học ước tính qua khuôn mặt có mối liên hệ với tình trạng sức khỏe thể chất, qua đó có thể cung cấp thông tin về khả năng chống chịu của bệnh nhân trước một số phương pháp điều trị.
Công nghệ này được kỳ vọng hỗ trợ bác sĩ đánh giá nguy cơ tử vong hoặc biến chứng sau các ca phẫu thuật lớn và những phương pháp điều trị ung thư khác, từ đó lựa chọn phương án phù hợp hơn với từng bệnh nhân.
Bác sĩ Raymond Mak, chuyên gia ung bướu xạ trị tại Mass General Brigham, nhận định trong bối cảnh dân số ngày càng già hóa, các bác sĩ cần những phương pháp tốt hơn để đánh giá khả năng dự trữ thể chất và mức độ suy yếu của bệnh nhân trước khi chỉ định các phương pháp điều trị chuyên sâu như xạ trị, phẫu thuật hoặc liệu pháp toàn thân.
Ông nhấn mạnh mục tiêu của nhóm nghiên cứu là định lượng hóa việc đánh giá sức khỏe qua ảnh chụp khuôn mặt, nâng cao tính nhất quán và khả năng triển khai trên quy mô lớn, qua đó hỗ trợ đưa ra quyết định điều trị cá nhân hóa, chứ không thay thế đánh giá chuyên môn của bác sĩ.
Nghiên cứu cũng ghi nhận mối liên hệ giữa một số yếu tố lối sống với biểu hiện lão hóa trên khuôn mặt. Cụ thể, việc lạm dụng rượu bia, sử dụng chất gây nghiện và hút thuốc lá có liên quan đến tình trạng khuôn mặt trông già hơn về mặt sinh học theo đánh giá của AI.
Một phát hiện khác là FAHR-FaceAge cho kết quả tương đối ổn định trước những thay đổi thường gặp trong điều kiện chụp ảnh thực tế, như tư thế, ánh sáng, biểu cảm khuôn mặt và lớp trang điểm. Theo bác sĩ Mak, công cụ này cũng duy trì độ ổn định trong hầu hết các thủ thuật phẫu thuật thẩm mỹ được thử nghiệm, dù ghi nhận một thay đổi nhỏ sau phẫu thuật chỉnh hình mũi.
Tuy nhiên, các nhà nghiên cứu lưu ý rằng dù phân tích ảnh khuôn mặt có tiềm năng trở thành phương pháp đơn giản, chi phí thấp để hỗ trợ cá nhân hóa điều trị, vẫn cần thêm nghiên cứu để đánh giá độ tin cậy và khả năng ứng dụng trong thực tiễn lâm sàng trước khi công nghệ này được triển khai rộng rãi.
