KI nutzt Gesichtsfotos zur Einschätzung des kurzfristigen Sterberisikos bei Krebspatienten

Ein Foto des Gesichts eines Patienten könnte Ärzten zusätzliche Informationen über dessen Gesundheit und mögliche Reaktion auf die Krebsbehandlung liefern, so eine Studie, die in The Lancet Digital Health veröffentlicht wurde. Entwickelt von Forschern des US-Gesundheitsnetzwerks Mass General Brigham analysieren zwei KI-Tools Gesichtsabbildungen, um Muster zu identifizieren, die mit biologischem Altern und kurzfristigem Sterberisiko bei Krebspatienten verbunden sind.

Die Technologie, bekannt als FAHR-Face, stellt einen sich entwickelnden Ansatz zur medizinischen Risikobewertung dar. Anstatt Tumore direkt zu identifizieren, untersucht sie Gesichtszüge, die statistisch mit der allgemeinen Gesundheit und den Überlebensperspektiven eines Patienten assoziiert sein könnten.

Die Forscher glauben, dass die Ergebnisse letztendlich medizinischen Teams helfen könnten, die Anfälligkeit von Patienten konsistenter zu bewerten, insbesondere bei der Berücksichtigung belastender Behandlungen. Die Modelle bleiben jedoch experimentell und sind nicht dazu gedacht, konventionelle medizinische Untersuchungen oder klinisches Urteil zu ersetzen.

Zwei KI-Modelle, zwei verschiedene medizinische Indikatoren

Die Forschung produzierte zwei komplementäre Systeme: FAHR-FaceAge und FAHR-FaceSurvival.

FAHR-FaceAge schätzt das biologische Alter einer Person anhand von Gesichtszügen. Im Gegensatz zum chronologischen Alter, das die seit der Geburt vergangene Zeit misst, versucht das biologische Alter, Aspekte des körperlichen Zustands und des Alterungsprozesses widerzuspiegeln.

FAHR-FaceSurvival verfolgt einen anderen Ansatz, indem es Gesichtsfotos analysiert, um das Sterberisiko bei Menschen mit Krebs zu schätzen.

Die zugrunde liegende Technologie wurde ursprünglich an mehr als 40 Millionen Gesichtsabbildungen trainiert. Anschließend passten die Forscher die Modelle unter Verwendung medizinischer Daten und Fotos von Krebspatienten an, um Beziehungen zwischen Gesichtszügen und klinischen Ergebnissen zu untersuchen.

Das Überlebensmodell wurde an einer Gruppe von 3.820 Patienten evaluiert. Innerhalb dieser Population identifizierten die Forscher erhebliche Unterschiede in den beobachteten Ergebnissen zwischen Patienten, die verschiedenen Risikokategorien zugeordnet wurden.

Unter 122 Patienten, die als besonders hochriskant eingestuft wurden, starben 52,5 % innerhalb von 90 Tagen nach der Bewertung. Zum Vergleich lag die Sterblichkeit im gleichen Zeitraum bei etwa 2 % unter 975 Patienten, die in die niedrigste Risikokategorie eingestuft wurden.

Diese Ergebnisse deuten auf eine Assoziation zwischen den Bewertungen des Modells und den nachfolgenden Ergebnissen in der untersuchten Population hin. Sie bedeuten jedoch nicht, dass die KI das Schicksal eines Individuums anhand eines Fotos bestimmen oder genau vorhersagen kann, wie lange ein Patient leben wird.

Gesichtszüge könnten Anzeichen biologischen Alterns offenbaren

Das zweite Modell untersucht Gesichtszonen, die sich von denen unterscheiden, die vom Altersbestimmungssystem priorisiert werden. FAHR-FaceAge konzentriert sich auf Bereiche wie die Stirn, Schläfen und Falten um Nase und Mund, während FAHR-FaceSurvival den Merkmalen um die Augen und dem Nasenrücken mehr Gewicht verleiht.

Die Forscher beobachteten auch, dass Patienten, deren geschätztes biologisches Alter ihr tatsächliches Alter überstieg, tendenziell schlechtere Ergebnisse erzielten. In der Studie hatten Patienten, deren Gesichter mindestens fünf Jahre älter als ihr chronologisches Alter erschienen, ein um 21 % höheres Sterberisiko, während diejenigen, die geschätzt wurden, mindestens fünf Jahre jünger auszusehen, ein um 17 % niedriges Risiko hatten.

Diese Muster deuten darauf hin, dass Gesichtsfotos Informationen enthalten könnten, die mit physischer Anfälligkeit assoziiert sind. Dennoch bleiben die genauen biologischen Mechanismen hinter diesen Assoziationen unklar. Ein Gesichtszug, der von einem Algorithmus identifiziert wird, stellt nicht für sich allein die Anwesenheit einer bestimmten Krankheit fest oder erklärt, warum sich der Zustand eines Patienten verschlechtern könnte.

Potenzielle Anwendungen in der personalisierten Krebsbehandlung

Die Einschätzung der physischen Widerstandsfähigkeit eines Patienten ist ein wichtiger Teil der Planung der Krebsbehandlung. Ärzte müssen berücksichtigen, ob ein Individuum wahrscheinlich belastende Interventionen, einschließlich Strahlentherapie, Chirurgie und systemischer Therapien, tolerieren kann.

Ein zugängliches Werkzeug zur Gesichtsanalytik könnte letztendlich eine zusätzliche Informationsquelle während dieser Bewertungen bieten. Da Fotos relativ leicht zu beschaffen sind, könnte die Technologie einen praktischen Weg bieten, um die Risikobewertung in Umgebungen zu unterstützen, in denen umfassendere Bewertungen schwierig durchzuführen sind.

Das Ziel der Forscher ist es, das bestehende medizinische Wissen mit zusätzlichen Indikatoren zu ergänzen, die den Klinikern helfen könnten, individuellere Entscheidungen zu treffen. Die Modelle könnten potenziell die Identifizierung von Patienten unterstützen, die eine engere Überwachung oder eine detailliertere Bewertung vor der Behandlung benötigen.

Ein statistischer Zusammenhang mit der Sterblichkeit ist jedoch nicht ausreichend, um festzustellen, dass ein KI-System klinische Entscheidungen verbessert. Weitere Forschungen müssen klären, ob die aus Gesichtsbildern gewonnenen Informationen einen bedeutenden Mehrwert über etablierte Indikatoren hinaus bieten, einschließlich Krebsart und -stadium, medizinischer Vorgeschichte, Laborergebnissen und dem allgemeinen funktionalen Zustand des Patienten.

Wissenschaftliche und ethische Herausforderungen bleiben

Trotz der ermutigenden Ergebnisse müssen mehrere Hindernisse überwunden werden, bevor die Technologie zur Gesichtsanalytik Teil der routinemäßigen Krebsversorgung werden kann.

Eine große Herausforderung besteht darin, festzustellen, ob die Modelle in verschiedenen Populationen konsistent arbeiten. Die Forschung stützte sich erheblich auf Patienten aus einkommensstarken Ländern, und einige demografische Gruppen waren weniger vertreten als andere. Diese Einschränkungen werfen Fragen zu potenziellen Verzerrungen und der Zuverlässigkeit der Vorhersagen auf, wenn die Technologie auf Patienten mit unterschiedlichen Hintergründen angewendet wird.

Die Forscher müssen auch feststellen, ob die Modelle in verschiedenen klinischen Umgebungen und Patientengruppen zuverlässig bleiben. Prospektive Studien werden notwendig sein, um ihre Leistung in realen Umgebungen zu bewerten und festzustellen, ob die Verwendung ihrer Vorhersagen die Patientenversorgung verbessern kann.

Datenschutz ist ein weiteres Anliegen. Gesichtsfotos sind sensible persönliche Informationen, und ihre Verwendung in medizinischen KI-Systemen erfordert angemessene Schutzmaßnahmen in Bezug auf Zustimmung, Datenschutz und Zugang.

Vor allem darf die Technologie nicht mit einer definitiven Vorhersage über das Überleben eines Individuums verwechselt werden. Krebsverläufe hängen von zahlreichen interagierenden Faktoren ab, und ein algorithmischer Risikowert kann nicht jeden Aspekt der medizinischen Situation eines Patienten erfassen.

Ein Forschungstool, kein Ersatz für Ärzte

Die Entwicklung von FAHR-Face zeigt, wie künstliche Intelligenz die Bandbreite der Informationen, die medizinischen Fachkräften zur Verfügung stehen, erweitern könnte. Durch die Identifizierung von Mustern, die möglicherweise während einer konventionellen Untersuchung nicht sofort erkennbar sind, könnte die Gesichtsanalytik letztendlich zu umfassenderen Bewertungen der Anfälligkeit von Patienten beitragen.

Im Moment bleibt die Technologie jedoch ein Forschungstool. Ihr praktischer Wert hängt von weiterer Validierung, Beweisen, dass sie bestehende prognostische Methoden verbessert und von Schutzmaßnahmen gegen Verzerrungen und Missbrauch ab.

Die zentrale Frage ist nicht mehr einfach, ob ein Algorithmus statistische Signale in einem Foto identifizieren kann. Es geht darum, ob diese Signale Ärzten helfen können, besser informierte Entscheidungen zu treffen, ohne falsche Gewissheit für Patienten zu schaffen, die mit einer schweren Diagnose konfrontiert sind.

Wenn zukünftige Studien einen bedeutenden klinischen Nutzen nachweisen, könnte die Gesichtsanalytik ein zusätzlicher Bestandteil der personalisierten Onkologie werden. Bis dahin müssen medizinische Fachkräfte weiterhin auf umfassende Bewertungen vertrauen, anstatt einen von KI generierten Wert als Urteil über die Zukunft eines Patienten zu interpretieren.