Учёные разработали систему искусственного интеллекта, которая способна оценивать биологический возраст человека и прогнозировать риск смерти у пациентов с онкологическими заболеваниями по обычной фотографии лица. Новая технология может помочь врачам точнее оценивать состояние пациентов перед назначением сложного лечения — от лучевой терапии до хирургических операций.
Исследование провели специалисты медицинской сети Mass General Brigham в США. Результаты опубликованы в научном журнале The Lancet Digital Health в октябре 2026 года. По словам авторов, это одна из первых демонстраций того, что модель ИИ может непосредственно оценивать прогноз выживаемости онкологических пациентов на основании одного изображения лица.
Как работает ИИ, анализирующий лицо?
В основе разработки лежит фундаментальная модель искусственного интеллекта FAHR-Face (Foundation Artificial Intelligence for Health Recognition). Её обучили на более чем 42 миллионах фотографий человеческих лиц. Такая масштабная база данных позволила алгоритму научиться распознавать закономерности в строении лица и использовать их для решения различных медицинских задач.
Для обучения применялся метод самоконтролируемого машинного обучения, известный как masked autoencoders — маскированные автокодировщики. Во время обучения система получала изображения с частично скрытыми участками и училась восстанавливать недостающую информацию. Благодаря этому она осваивала особенности человеческого лица, не ограничиваясь поиском заранее заданных признаков болезни.
Затем исследователи адаптировали базовую модель для создания двух специализированных инструментов: FAHR-FaceAge и FAHR-FaceSurvival.
Первый оценивает биологический возраст человека — то, насколько его внешность соответствует определённому возрастному уровню с точки зрения выявляемых моделью закономерностей. В отличие от паспортного возраста, эта оценка может отражать некоторые особенности физического состояния и возрастных изменений организма.
Второй инструмент непосредственно прогнозирует риски, связанные с выживаемостью пациентов с онкологическими заболеваниями.
Что именно алгоритм замечает на фотографии?
Модель FAHR-FaceAge продемонстрировала среднюю ошибку определения возраста около 5,1 года. Для сравнения, у одной из ранее разработанных систем аналогичный показатель составлял 6,92 года. Алгоритм сохранял сравнительно стабильные результаты при изменении освещения, выражения лица и положения головы, а также при использовании макияжа. Большинство проверенных косметических операций тоже не приводили к существенным изменениям оценки, хотя после ринопластики — операции по изменению формы носа — наблюдались небольшие отклонения.
Исследователи обнаружили и связь между предполагаемым биологическим возрастом и риском смерти среди пациентов, проходивших лечение. У тех, кто выглядел как минимум на пять лет старше своего реального возраста, риск смерти был на 21% выше. У пациентов, которые выглядели минимум на пять лет моложе, этот показатель, напротив, был связан с повышенной выживаемостью на 17%.
Важно понимать: речь идёт о статистических закономерностях в исследованной группе, а не о гарантированном прогнозе для конкретного человека. Внешность сама по себе не определяет исход болезни.
Второй алгоритм, FAHR-FaceSurvival, обучали на фотографиях более 34 тысяч онкологических пациентов, проходивших лучевую терапию. После обучения его проверили на независимых группах пациентов, чтобы оценить способность предсказывать риски для людей, чьи снимки не использовались при настройке модели.
Результаты оказались показательными. В группе с наиболее высокими прогнозируемыми рисками в течение 90 дней умерли 52% пациентов. В группе с самыми низкими оценками риска этот показатель составил всего 2,1%. Таким образом, алгоритм смог выделить группы пациентов с существенно различавшимися исходами лечения.
При этом две модели анализировали разные области лица. FAHR-FaceAge уделяла особое внимание лбу, вискам и носогубным складкам — линиям, идущим от крыльев носа к уголкам рта. FAHR-FaceSurvival в большей степени ориентировалась на область под глазами и переносицу.
Почему именно эти участки оказались важны, учёным ещё предстоит выяснить. Возможно, алгоритмы распознают изменения мягких тканей и мышечной массы, которые иногда сопровождают ухудшение физического состояния. Однако пока это лишь возможное объяснение, а не установленный механизм работы системы.
Зачем врачам прогноз по фотографии?
Перед назначением интенсивного лечения врачам необходимо оценить не только стадию заболевания, но и то, насколько хорошо организм пациента способен перенести терапию. Это особенно важно для пожилых людей и пациентов с выраженной физической слабостью.
Лучевая терапия, хирургическое вмешательство и системное лечение, включая химиотерапию, могут создавать серьёзную нагрузку на организм. Поэтому специалистам важно понимать, кому лечение принесёт наибольшую пользу и какие риски необходимо учитывать при выборе тактики.
Сегодня такую оценку проводят с помощью медицинских обследований, анализа истории болезни и клинического опыта. Однако комплексная диагностика может занимать время, а некоторые пациенты уже находятся в тяжёлом состоянии.
Новая технология предлагает дополнительный инструмент: обычная фотография лица потенциально может дать врачам информацию о состоянии пациента без сложных процедур и дорогостоящего оборудования.
«Наша цель — сделать оценку здоровья по фотографии более количественной, последовательной и доступной», — поясняет Рэймонд Мак (Raymond Mak), специалист по лучевой терапии и один из авторов исследования. По его словам, такая технология должна помогать врачам принимать индивидуальные решения, а не заменять их профессиональное суждение.
Руководитель программы искусственного интеллекта в медицине Mass General Brigham Хьюго Аэртс (Hugo Aerts) также отмечает, что использование общей базовой модели позволяет создавать новые инструменты оценки здоровья без необходимости каждый раз обучать алгоритм с нуля.
Почему технология пока не готова к массовому применению?
Несмотря на обнадёживающие результаты, у исследования есть ограничения. Главное из них — необходимость дальнейшей проверки алгоритмов на более разнообразных группах пациентов и в разных медицинских учреждениях.
Важен и вопрос возможной предвзятости искусственного интеллекта. Если обучающие данные недостаточно полно представляют людей с различными оттенками кожи, возрастом и особенностями внешности, точность прогнозов может отличаться для разных групп населения. Кроме того, на результаты способны влиять различия в доступности медицинской помощи и другие факторы, которые модель может косвенно учитывать.
Ещё одна проблема заключается в том, что статистическая связь не объясняет причинно-следственный механизм. Если алгоритм обнаруживает признаки, связанные с повышенным риском смерти, это не означает, что исследователи уже понимают, какие именно физиологические изменения стоят за его выводами.
Специалист по компьютерному зрению и машинному обучению Мирослав Бобер (Miroslaw Bober) из Университета Суррея подчёркивает, что способность прогнозировать исход заболевания сама по себе ещё не доказывает клиническую полезность метода. Необходимо установить, даёт ли ИИ дополнительную информацию по сравнению с оценкой врача и помогает ли эта информация улучшать результаты лечения.
Иными словами, даже если алгоритм достаточно хорошо различает группы пациентов по уровню риска, это ещё не делает его самостоятельным диагностическим инструментом. Перед внедрением в больницах потребуется дополнительная проверка точности, надёжности и практической пользы системы.
Что будет дальше?
Исследователи рассматривают анализ фотографий лица как потенциально доступный способ дополнить существующие методы медицинской оценки. В перспективе подобные инструменты могут помочь врачам быстрее выявлять пациентов, которым требуется более тщательное обследование, и точнее подбирать лечение с учётом индивидуальных особенностей организма.
Команда также продолжает изучать возможности FAHR-FaceAge. В рамках исследовательского проекта желающие могут предоставить фотографию лица и получить оценку предполагаемого биологического возраста. Однако такой результат не следует воспринимать как медицинский диагноз или достоверный показатель состояния здоровья.
Главный вывод работы заключается в том, что внешность может содержать больше информации о физическом состоянии человека, чем кажется на первый взгляд. Искусственный интеллект уже способен находить в обычных фотографиях закономерности, которые статистически связаны с исходами лечения. Теперь учёным предстоит выяснить, насколько надёжно эти закономерности работают в реальной клинической практике и способны ли они действительно помочь врачам спасать жизни.
