Teknologi AI Ini Bisa Memprediksi Sisa Umur Pasien Kanker lewat Foto Selfie

Para peneliti di Amerika Serikat (AS) telah mengembangkan alat kecerdasan buatan (AI) yang mampu memprediksi peluang kelangsungan hidup pasien kanker berdasarkan foto wajah mereka.

Demikian menurut sebuah studi yang diterbitkan pada hari Senin di jurnal *The Lancet Digital Health*, seperti dilaporkan oleh Anadolu Agency.

Dikembangkan oleh para peneliti di Mass General Brigham di Massachusetts, AS, sistem yang dikenal sebagai FAHR-Face ini menganalisis fitur wajah untuk memperkirakan usia biologis dan risiko kematian, yang berpotensi membantu dokter dalam mengambil keputusan terkait pengobatan.

Model ini dilatih menggunakan lebih dari 40 juta gambar wajah dan diadaptasi menjadi dua perangkat: FAHR-FaceAge, yang memperkirakan usia biologis, dan FAHR-FaceSurvival, yang memprediksi peluang kelangsungan hidup pasien kanker secara langsung dari foto wajah, terlepas dari estimasi usia.

Para peneliti menemukan bahwa model prediksi kelangsungan hidup berfokus terutama pada area di bawah mata dan di sekitar hidung, sementara model estimasi usia menganalisis fitur wajah di sekitar mulut dan pelipis.

Temuan ini menunjukkan bahwa kedua sistem tersebut mengidentifikasi pola yang berbeda terkait kesehatan.Model prediksi kelangsungan hidup dilatih menggunakan gambar dari 34.363 pasien dan diuji pada 3.820 pasien lainnya.

Hasilnya juga divalidasi secara independen menggunakan data dari 4.892 pasien kanker di Belanda. Para peneliti menemukan bahwa pasien yang dikategorikan dalam kelompok berisiko tertinggi menghadapi risiko kematian lebih dari tiga kali lipat dibandingkan mereka yang berada dalam kelompok berisiko terendah, bahkan setelah memperhitungkan faktor-faktor klinis.

Pasien yang wajahnya tampak setidaknya lima tahun lebih tua dari usia sebenarnya memiliki risiko kematian 21 persen lebih tinggi, sementara mereka yang wajahnya tampak setidaknya lima tahun lebih muda memiliki risiko 17 persen lebih rendah.

Menurut studi tersebut, menggabungkan kedua model ini dapat lebih meningkatkan akurasi dalam memprediksi kelangsungan hidup pasien. Para peneliti menyatakan bahwa teknologi ini berpotensi membantu dokter dalam menilai status kesehatan pasien serta menentukan keputusan pengobatan.

Namun, validasi lebih lanjut diperlukan sebelum teknologi ini dapat diadopsi secara luas dalam praktik klinis.Dikembangkan oleh para peneliti di Mass General Brigham di Massachusetts, AS, sistem yang dikenal sebagai FAHR-Face ini menganalisis fitur wajah untuk memperkirakan usia biologis dan risiko kematian, yang berpotensi membantu dokter dalam mengambil keputusan terkait pengobatan.Model ini dilatih menggunakan lebih dari 40 juta gambar wajah dan diadaptasi menjadi dua perangkat: FAHR-FaceAge, yang memperkirakan usia biologis, dan FAHR-FaceSurvival, yang memprediksi peluang kelangsungan hidup pasien kanker secara langsung dari foto wajah, terlepas dari estimasi usia.

Para peneliti menemukan bahwa model prediksi kelangsungan hidup berfokus terutama pada area di bawah mata dan di sekitar hidung, sementara model estimasi usia menganalisis fitur wajah di sekitar mulut dan pelipis.

Temuan ini menunjukkan bahwa kedua sistem tersebut mengidentifikasi pola yang berbeda terkait kesehatan.

Model prediksi kelangsungan hidup dilatih menggunakan gambar dari 34.363 pasien dan diuji pada 3.820 pasien lainnya.

Hasilnya juga divalidasi secara independen menggunakan data dari 4.892 pasien kanker di Belanda. Para peneliti menemukan bahwa pasien yang dikategorikan dalam kelompok berisiko tertinggi menghadapi risiko kematian lebih dari tiga kali lipat dibandingkan mereka yang berada dalam kelompok berisiko terendah, bahkan setelah memperhitungkan faktor-faktor klinis.Pasien yang wajahnya tampak setidaknya lima tahun lebih tua dari usia sebenarnya memiliki risiko kematian 21 persen lebih tinggi, sementara mereka yang wajahnya tampak setidaknya lima tahun lebih muda memiliki risiko 17 persen lebih rendah.

Menurut studi tersebut, menggabungkan kedua model ini dapat lebih meningkatkan akurasi dalam memprediksi kelangsungan hidup pasien. Para peneliti menyatakan bahwa teknologi ini berpotensi membantu dokter dalam menilai status kesehatan pasien serta menentukan keputusan pengobatan.

Namun, validasi lebih lanjut diperlukan sebelum teknologi ini dapat diadopsi secara luas dalam praktik klinis.