Geliştirilen yeni bir yapay zeka (YZ) modeli, bir kişinin biyolojik yaşını - yani vücudunun mevcut durumunu ve nasıl yaşlandığını - yalnızca bir selfie fotoğrafından tahmin edebiliyor.
FaceAge adı verilen bu model, bir kişinin kronolojik yaşına (doğumundan bu yana geçen süre) kıyasla ne kadar yaşlı göründüğünü hesaplıyor. Modeli geliştirenler, bu aracın doktorlara kanser gibi hastalıkların tedavisinde en iyi yolu seçme konusunda yardımcı olabileceğini belirtiyor.
Araştırmacılardan biri, kanser hastalarını tedavi ederken yapılan ilk şeylerden birinin kişinin genel durumunu değerlendirmek olduğunu söylüyor. Bu değerlendirme genellikle oldukça özneldir ancak tedaviye ilişkin gelecekteki birçok kararı etkileyebilir. Örneğin, kronolojik yaşları aynı olsa bile, yaşına göre daha genç ve formda görünen bir hastanın agresif bir tedaviyi daha iyi tolere edip daha uzun yaşayabileceği düşünülebilir.
Yeni bir çalışmada yayınlanan FaceAge modeli, bu öznel değerlendirmeleri nicel bir ölçüye dönüştürerek karar vermeyi kolaylaştırabilir. Biyolojik yaşı ölçerek, model doktorlara hangi tedaviyi önereceklerine dair ek bir veri noktası sunabilir.
YZ modeli, 60 yaş ve üzeri, fotoğraf çekildiği sırada yaşlarına göre ortalama sağlık düzeyine sahip olduğu varsayılan 58.000'den fazla kişinin fotoğrafları üzerinde eğitildi. Araştırmacılar bu eğitim setinde modelin kronolojik yaşları tahmin etmesini sağladılar ve kişilerin biyolojik yaşlarının da benzer olduğunu varsaydılar, ancak bu varsayımın her zaman doğru olmadığını da belirttiler.
Ekip daha sonra FaceAge'i 6.000'den fazla kanser hastasının yaşını tahmin etmek için kullandı. Yapılan analizde, kanser hastalarının kronolojik yaşlarından ortalama olarak yaklaşık beş yaş daha yaşlı göründüğü tespit edildi. FaceAge'in tahminleri tedavi sonrası sağkalım ile de ilişkiliydi: Kronolojik yaşı ne olursa olsun, bir kişi ne kadar yaşlı görünüyorsa, daha uzun yaşama şansı o kadar düşüktü. Buna karşılık, ekip, kronolojik yaşın kanser hastalarında sağkalım için iyi bir gösterge olmadığını buldu.
Ancak FaceAge henüz hastanelerde veya kliniklerde kullanılmaya hazır değil. Öncelikle, modeli eğitmek için kullanılan veri setinin genel nüfusu tam olarak temsil etmeyebileceği ve estetik cerrahi, yaşam tarzı farklılıkları veya dijital olarak rötuşlanmış görüntüler gibi faktörleri hesaba katmayabileceği belirtiliyor. Yazarlar, bu faktörlerin FaceAge tahminlerini nasıl etkilediğini anlamak için daha büyük ve daha temsil edici eğitim setleriyle ileri çalışmaların gerektiğini ifade ediyorlar.
Araştırmacılar algoritmayı ek eğitim verileriyle geliştirmeye ve kanser dışındaki diğer durumlar için de etkinliğini test etmeye devam ediyorlar. Ayrıca, modelin tahminlerini yapmak için hangi faktörlere dayandığını da inceliyorlar. Ancak tamamlandığında FaceAge, örneğin, radyasyon ve kemoterapi gibi kanser tedavilerinin yoğunluğunu belirli hastalara göre uyarlamak için doktorlara yardımcı olabilir. Bir uzman, hastanın zayıflığını ölçen daha geleneksel yöntemlerle FaceAge'i karşılaştıran bir klinik çalışmanın yakında başlayacağını ekledi.
Araştırmacılar, modelin yaygınlaşmadan önce FaceAge bilgilerinin nasıl kullanılabileceğine ilişkin etik kuralların belirlenmesi gerektiğini vurguluyorlar. Örneğin, sağlık veya hayat sigortası sağlayıcılarının sigorta kararları almak için FaceAge tahminlerine erişip erişemeyeceği konusu dikkat gerektiriyor. Bir araştırmacı, bu teknolojilerin yalnızca hastanın yararına kullanılmasını sağlamanın önemli olduğunu belirtti.
Çalışmada yer almayan bir uzman ise, doktorların klinik ortamlarda FaceAge'i ne zaman ve nasıl kullanacaklarını dikkatlice düşünmeleri gerektiğini söyledi. İnsanlarla uğraşmanın istatistiklerle uğraşmaktan çok farklı olduğunu belirten uzman, tedavi kararlarına FaceAge'in dahil edilmesinin hastaların yaşam kalitesini iyileştirip iyileştirmediğini değerlendiren uzun vadeli bir çalışmaya ihtiyaç duyulduğunu ifade etti.
Araştırmacılar, YZ aracının tedavi hakkında kendi başına kararlar almayacağını kaydetti. Bir uzman, bunun klinik yargının yerini almayacağını, ancak FaceAge'in bir doktorun tedavi planını kişiselleştirme araç setinin bir parçası olabileceğini, 'tıpkı bir başka hayati belirti veri noktası gibi' işlev görebileceğini söyledi.
