Una IA analiza rostros para predecir la supervivencia en pacientes con cáncer
Redactado con inteligencia artificial.

Un nuevo sistema de inteligencia artificial llamado FAHR-Face puede predecir el riesgo de mortalidad y estimar la edad biológica de pacientes con cáncer utilizando solo fotografías de sus rostros. Los investigadores han validado su efectividad, aunque advierten sobre limitaciones en su uso y la necesidad de más estudios clínicos.
Introducción a FAHR-Face
La detección temprana y el tratamiento adecuado del cáncer son fundamentales para mejorar las probabilidades de supervivencia de los pacientes. Sin embargo, decidir el tratamiento más adecuado puede ser complicado, ya que no todos los pacientes responden igual a los tratamientos más agresivos. Para ayudar en esta evaluación, se ha desarrollado una inteligencia artificial llamada FAHR-Face, que analiza fotografías faciales para proporcionar información sobre el estado general del paciente.
Cómo funciona FAHR-Face
FAHR-Face utiliza un modelo entrenado con más de 40 millones de imágenes faciales, de las cuales 34.363 pertenecen a pacientes oncológicos. Este sistema tiene dos enfoques:
- FAHR-FaceAge: Calcula la edad biológica del paciente, es decir, la edad que aparenta el cuerpo más allá de su fecha de nacimiento.
- FAHR-FaceSurvival: Estima el riesgo de mortalidad general.
Para validar su eficacia, FAHR-Face fue probado en una cohorte independiente de aproximadamente 5.000 pacientes, garantizando que el sistema no fuera influenciado por factores como el maquillaje o la iluminación.
Resultados y precauciones
Los resultados muestran que los pacientes clasificados en el cuartil de mayor riesgo tenían un riesgo de mortalidad 3,23 veces mayor en comparación con aquellos en el cuartil de menor riesgo. De 122 pacientes considerados de alto riesgo, el 52,5% falleció en un plazo de 90 días. Sin embargo, los expertos advierten que este sistema no debe ser visto como un diagnóstico definitivo del cáncer ni como una predicción exacta de la supervivencia. Se basa en estimaciones estadísticas y requiere más investigación para mejorar su precisión y aplicabilidad a diversas poblaciones.
Limitaciones y futuro
FAHR-Face enfrenta desafíos significativos, como la falta de diversidad en los datos utilizados para su entrenamiento, que son predominantemente de pacientes blancos. Además, se necesita información más detallada sobre la toxicidad de los tratamientos y ensayos clínicos prospectivos para confirmar su efectividad en la práctica médica. Aunque es un avance prometedor, su implementación en decisiones clínicas aún está en evaluación.
