फेशियल फोटोवरून कॅन्सर मृत्यूचा धोका ओळखणारा AI मॉडेल

मॅस जनरल ब्रिघमच्या एका नवीन अध्ययनात FAHR-FaceSurvival नावाचा एक AI मॉडेल सादर करण्यात आला आहे, जो कॅन्सर रुग्णाच्या चेहऱ्याच्या एकाच फोटोवरून मृत्यूचा धोका ओळखतो. या अध्ययनात 122 रुग्णांना उच्च धोका म्हणून चिन्हांकित केले गेले, ज्यात 52.5% रुग्ण 90 दिवसांच्या आत मरण पावले. याउलट, 975 रुग्णांच्या कमी धोका असलेल्या गटात फक्त सुमारे 2% रुग्णांना अशा परिणामांचा सामना करावा लागला. द लँसेट डिजिटल हेल्थमध्ये प्रकाशित झालेल्या या संशोधनाने चेहऱ्याच्या छायाचित्रांद्वारे कॅन्सरच्या जीवित राहण्याची भविष्यवाणी करण्याची क्षमता दर्शवली आहे.

FAHR-FaceSurvival मॉडेल FAHR-Face नावाच्या एक विस्तृत आधारभूत मॉडेलवर आधारित आहे, जे 40 मिलियनपेक्षा अधिक चेहऱ्याच्या छायाचित्रांचा वापर करून प्रशिक्षित केले गेले आहे. याशिवाय, FAHR-FaceAge नावाचा एक संबंधित उपकरण, चेहऱ्याच्या वैशिष्ट्यांवर आधारित रुग्णाची जैविक वयोमानानुसार मोजणी करते. रेडियोथेरपीच्या रुग्णांमध्ये, ज्यांची जैविक वयोमानानुसार त्यांच्या कालानुक्रमिक वयोमानापेक्षा 20 वर्षे अधिक होती, त्यांची मृत्यू दर 21% होती, तर जे रुग्ण कमीत कमी 10 वर्षे लहान दिसत होते त्यांची मृत्यू दर सुमारे 6% होती. जीवित राहण्याचा मॉडेल मुख्यतः नाकाच्या पुल आणि डोळ्यांखालील क्षेत्राचे विश्लेषण करतो, तर वयोमानानुसार मोजणी नासोलैबियल फोल्ड आणि माथ्याच्या वैशिष्ट्यांवर केंद्रित असते.

मॅस जनरल ब्रिघममधील आर्टिफिशियल इंटेलिजेंस इन मेडिसिन कार्यक्रमाचे संचालक ह्यूगो एर्ट्स, पीएचडी, या नवकल्पनेला चेहरा आरोग्य ओळखणाऱ्या AI मध्ये एक महत्त्वाचा टप्पा मानतात. त्यांनी सांगितले की, हे पहिले उदाहरण आहे जिथे AI मॉडेल एक साध्या फोटोद्वारे कॅन्सरच्या जीवित राहण्याची भविष्यवाणी करू शकते. या संशोधनात सामील असलेल्या रेडिएशन ऑन्कोलॉजिस्ट रेयमंड माक यांनी या साधनांना विद्यमान प्रोग्नोस्टिक मूल्यांकनांच्या पूरक म्हणून सादर केले आहे.

तथापि, निष्कर्ष आशादायक असले तरी, बाह्य तज्ञांनी मॉडेलच्या अनुप्रयोगाबाबत सावधगिरी बाळगण्याचे आवाहन केले आहे. इमोरी विद्यापीठातील विल्बर लॅम यांनी या अध्ययनाची आकर्षकता अधोरेखित केली, जी मोठ्या डेटासेटवर आधारित आहे, परंतु विविध रुग्ण जनसंख्यांमध्ये पुढील नैदानिक मान्यता आवश्यक असल्यावर जोर दिला. अध्ययनाच्या लेखकांनी सीमांचे मान्य केले, ज्यामध्ये प्रशिक्षण गटात बहुसंख्य श्वेत प्रतिभागी आणि बोस्टन क्षेत्रातील उपस्थिती समाविष्ट आहे.

हा संशोधन आरोग्य AI च्या क्षेत्रात जलद प्रगतीच्या काळात आला आहे, ज्यामध्ये गेल्या 90 दिवसांत 65 संबंधित कथा नोंदविल्या गेल्या आहेत. मॉडेलच्या प्रशिक्षण डेटा वाढवण्यासाठी, एक सार्वजनिक संशोधन पोर्टल स्थापित करण्यात आले आहे, ज्यामुळे स्वयंसेवकांना त्यांच्या चेहऱ्याच्या फोटो सबमिट करण्याची परवानगी आहे. या उपक्रमाचा उद्देश डेटा सेटला विस्तृत करणे आणि विविध जनसंख्यांमध्ये मॉडेलची अचूकता सुधारण्याचा आहे.