The Lancet Digital Health’te yayımlanan çalışma, yüz analizinin doktorlar için hastanın yaşam olasılığını değerlendirmede ve en uygun tedavi yöntemini belirlemede ek bir araç haline gelebileceğini ortaya koyuyor.
Çalışmanın yazarlarından Dr. Raymond Mak, elde edilen sonuçlara ilişkin şu değerlendirmede bulundu:
"Sadece bir yüz fotoğrafından ölüm riski belirtilerini tespit edebildiğimizi öğrenmek beni oldukça şaşırttı."
40 milyondan fazla yüz görüntüsüyle eğitilen yapay zekâ modelleri, kanser hastasının genel sağlık durumunu ve biyolojik yaşını ölçmek için yüzün farklı bölümlerini inceliyor. Kronolojik yaş bir insanın yaşadığı yıl sayısını ölçerken, biyolojik yaş vücudun hücresel ve fiziksel düzeyde ne kadar yaşlandığını yansıtıyor.
Yapay zekânın yüzü nasıl incelediğini aktaran Dr. Mak, şunları kaydetti:
"Yaş tahmini algoritması şakaklara, alın bölgesine, gözlerin üstüne ve burun ile ağız köşesini birbirine bağlayan nazolabial kıvrım dediğimiz çizgiye bakıyor… Buna karşın ölüm riski tahmin algoritması yüzün tamamen farklı bir bölümünü inceliyor. Burun kemerine ve göz altındaki bölgeye bakıyor."
Hipokrat’ın 2.400 Yıllık Tıp Birikimi Yapay Zekâda Yankılandı
Dikkat çekici bir şekilde, yapay zekâ modelinin biyolojik yaş ve hayatta kalma süresini tahmin etmek için değerlendirdiği yüz bölgeleri, "tıbbın babası" olarak bilinen Hipokrat’ın MÖ 400 civarında The Book of Prognostics’te bahsettiği alanlarla birebir örtüşüyor.
Algoritma eğitimi sırasında yapay zekaya Hipokrat’ın metinlerinin sunulmadığını belirten Mak, sözlerini şöyle sürdürdü:
"Algoritmalarımız tamamen yüz fotoğrafları ve ardından kişinin ölüp ölmediği veya yaşı üzerinden eğitildi… İnternette toplanan metinleri, bilgileri hesaba katmıyor. Dolayısıyla Hipokrat'ın binlerce yıl öteden gelen yankısını algoritmalarımızda duymak son derece ürperticiydi."
Mak ve meslektaşları, ilk olarak farklı yaş ve etnik kökenlerden 40 milyondan fazla yüz görüntüsüyle eğitilen "FAHR-Face" adını verdikleri kapsamlı bir model geliştirdi.
Bu temel model üzerinden özel görevler yürüten iki ayrı algoritma türetildi: "FAHR-FaceAge" modeli tek bir fotoğrafa dayanarak biyolojik yaşı tahmin ederken, "FAHR-FaceSurvival" modeli ise yüz özelliklerini diğer klinik bilgilerle birleştirerek kanser hastasının hayatta kalma şansını öngörüyor.
Araştırmacılar, FAHR-FaceSurvival modeliyle yapılan testlerde, yüksek ölüm riski taşıdığı belirlenen 122 kanser hastasının yarısından fazlasının (yüzde 52,5) öngörüldüğü gibi 90 gün içinde yaşamını yitirdiğini saptadı. Buna karşılık, en düşük risk grubundaki 975 hastanın yalnızca yaklaşık yüzde 2'si 90 gün içinde hayatını kaybetti.
FAHR-FaceAge modelinin değerlendirmesinde ise, biyolojik yaşı kronolojik yaşından 20 yıldan fazla yüksek çıkan 1060 hastanın yüzde 21'inin 90 gün içinde yaşamını yitirdiği görüldü. Biyolojik yaşı kronolojik yaşından en az 10 yıl daha genç çıkan 4 bin 195 hastada ise bu oran yaklaşık yüzde 6'da kaldı.
Öte yandan estetik ameliyat, botoks gibi enjeksiyonlar veya makyaj gibi yüzdeki kozmetik değişikliklerin yapay zekâ modellerinin performansını etkilemediği belirlendi.
Çalışmayı kaleme alan uzmanlar, geliştirdikleri yapay zekâ modellerinin doktorların veya mevcut klinik değerlendirmelerin yerini almasının hedeflenmediğinin altını çiziyor. Teknoloji, ileride bir doktorun hastanın sağlık durumuna ilişkin değerlendirmesine veya tedavi seçeneklerine yönelik karar alma sürecine katkı sağlayabilecek gelişmekte olan bir araç olarak tanımlanıyor.
Mevcut araştırma yalnızca kanser hastaları üzerinde yürütülmüş olsa da Mak, daha fazla araştırmanın uzun yaşamla ilgilenen sağlıklı bireylerde de benzer bulgular verip vermeyeceğini ortaya koyabileceğini belirtiyor.
Çalışmada yer almayan Emory Üniversitesi’den Dr. Wilbur Lam, araştırmanın dikkat çekici olduğunu ancak klinik olarak değerlendirilmesi gerektiğini kaydetti ve, “gerçek klinik faydasının ileriye dönük olarak kanıtlanması gerekecek. Ayrıca yazarların kendilerinin de ima ettiği gibi, bu aracın belirli alt gruplar için doğru şekilde kullanılıp kullanılamayacağı bir soru işareti olarak kalıyor. Örneğin, belirli yüz özelliklerine, ten rengine ve yaş gruplarına sahip kişiler üzerindeki etkilerinin ne kadar güçlü olduğunun teknolojinin klinikte uygulanabilmesi için ileriye dönük olarak test edilmesi gerekecektir.” dedi.
Bir diğer uzman da klinik kullanım için hazır olmadığını belirtti.
