Un equipo de científicos del Mass General Brigham Cancer Institute (EE.UU.) ha desarrollado un modelo de inteligencia artificial capaz de estimar la edad biológica de un paciente y predecir su riesgo de supervivencia a partir de una simple fotografía del rostro. Los resultados, publicados en The Lancet Digital Health, marcan un avance significativo en el uso de biomarcadores faciales para apoyar decisiones clínicas personalizadas en oncología.
El modelo base, denominado FAHR-Face (Foundation Artificial Intelligence for Health Recognition-Face), fue entrenado con más de 40 millones de imágenes faciales de diversas edades y orígenes étnicos, procedentes del conjunto de datos WebFace42M. A partir de esta base, los investigadores desarrollaron dos herramientas complementarias: FAHR-FaceAge, que estima la edad biológica, y FAHR-FaceSurvival, que predice directamente el riesgo de mortalidad en pacientes con cáncer.
La edad biológica refleja el estado fisiológico real del organismo, que no siempre coincide con la edad cronológica (los años cumplidos). FAHR-FaceAge logró un error medio absoluto de 5,1 años en conjuntos de datos públicos, superando a algoritmos previos de estimación de edad y manteniendo su precisión a lo largo de toda la vida humana.
En pacientes oncológicos, la desviación entre la edad calculada por el modelo y la edad real se asoció de forma independiente con la supervivencia. Quienes aparentaban al menos cinco años más que su edad cronológica, presentaban un 21 % más de riesgo de muerte (ajustado por factores clínicos), mientras que quienes parecían cinco o más años más jóvenes tenían un 17 % menos de riesgo. En un análisis, el 21 % de los pacientes cuya edad biológica superaba en más de 20 años a la cronológica fallecieron en un plazo de 90 días, frente a aproximadamente el 6 % de aquellos que lucían al menos 10 años más jóvenes.
FAHR-FaceSurvival, afinado con 34.363 fotografías de pacientes con cáncer (principalmente en tratamiento de radioterapia en centros de EE.UU. y Países Bajos), demostró una capacidad robusta para estratificar el riesgo. Los pacientes del cuartil de mayor riesgo tenían más del triple de mortalidad que los del cuartil más bajo.
En un grupo de prueba de 3.820 pacientes, el 52,5 % de los 122 clasificados como de alto riesgo fallecieron en un plazo de 90 días, frente a solo alrededor del 2 % de los 975 del grupo de menor riesgo. A cinco años, las estimaciones de supervivencia eran del 17,7 % y del 78,1 %, respectivamente. Según los autores, se trata de la primera demostración de que un modelo de IA puede predecir directamente la supervivencia al cáncer a partir de una fotografía facial.
Aunque ambas herramientas derivan del mismo modelo base, capturan información diferente y complementaria. Sus predicciones mostraron una correlación débil y ambas se asociaron de forma independiente con la supervivencia cuando se analizaron juntas. FAHR-FaceAge se centró principalmente en los pliegues nasolabiales, la zona de la frente por encima de las órbitas y las sienes. FAHR-FaceSurvival evaluó la región debajo de los ojos y alrededor del puente nasal.
Los investigadores también observaron que el estilo de vida influye en el envejecimiento facial aparente. El consumo excesivo de alcohol, el uso de drogas y, de forma especialmente marcada, el tabaquismo, se asociaron con un aspecto biológicamente más envejecido. Los fumadores parecían mayores que los exfumadores, y estos a su vez mayores que quienes nunca habían fumado.
El modelo demostró una notable robustez frente a variaciones habituales de fotografías del mundo real (postura, iluminación, expresión facial y maquillaje). También se mantuvo estable ante la mayoría de intervenciones de cirugía plástica analizadas, con solo un ligero cambio tras una rinoplastia.
“A medida que la población envejece, los médicos necesitamos métodos para evaluar la reserva física y la fragilidad antes de recomendar tratamientos como la radioterapia, la cirugía o la terapia sistémica”, afirmó Raymond Mak, oncólogo radioterapeuta del Mass General Brigham Cancer Institute y autor correspondiente del estudio. “Nuestro objetivo es que la evaluación de la salud basada en fotografías faciales sea más coherente y escalable, de modo que pueda servir de apoyo a las decisiones terapéuticas personalizadas, en lugar de sustituir el criterio del profesional”.
Hugo Aerts, codirector del programa de Inteligencia Artificial en Medicina del mismo centro y coautor, destacó el avance técnico: “Este enfoque ofrece una forma escalable de desarrollar múltiples biomarcadores de salud facial, en lugar de entrenar cada modelo desde cero”.
