Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Una simple fotografía del rostro puede contener más información clínica de la que parecía. Un equipo del Mass General Brigham ha entrenado FAHR-Face con más de 40 millones de imágenes faciales para estimar la edad biológica y anticipar el riesgo de supervivencia en pacientes con cáncer.
La idea resulta incómoda y fascinante a la vez. No habla de identidad ni de reconocimiento facial, sino de leer en la cara señales de desgaste físico, fragilidad y reserva biológica que a menudo pesan cuando un médico valora radioterapia, cirugía o terapia sistémica.
El modelo nació para medir lo que el calendario no cuenta
De ahí salen dos herramientas complementarias. FAHR-FaceAge estima la edad biológica y FAHR-FaceSurvival predice resultados de supervivencia en pacientes con cáncer a partir de una fotografía facial.
El estudio de desarrollo y validación se publicó en Lancet Digital Health. Raymond Mak, oncólogo radioterapeuta del Instituto Oncológico Mass General Brigham y miembro del programa de Inteligencia Artificial en Medicina, sitúa el problema en una población que envejece y en la necesidad de medir mejor la fragilidad antes de recomendar tratamientos intensivos.
"A medida que la población envejece, los médicos necesitan mejores maneras de estimar la reserva física y la fragilidad antes de recomendar tratamientos intensivos como la radioterapia, la cirugía o la terapia sistémica". - Raymond Mak, oncólogo radioterapeuta del Instituto Oncológico Mass General Brigham y miembro del programa de Inteligencia Artificial en Medicina
Ahí aparece una de las claves de fondo. La edad que figura en una historia clínica no siempre coincide con el estado real del cuerpo, y esa distancia puede influir en decisiones delicadas.
Hugo Aerts explicó por qué el sistema no aprendió desde cero
FAHR-Face aprendió una representación general del rostro con más de 40 millones de imágenes. Después, el equipo adaptó esa base a indicadores distintos como la edad biológica y la supervivencia.
Hugo Aerts, coautor principal y director de Inteligencia Artificial en Medicina en el Hospital General de Massachusetts Brigham, describe ese paso como el núcleo técnico del trabajo. En lugar de entrenar un sistema nuevo para cada tarea, el modelo fundamental sirve como base escalable para construir varios biomarcadores faciales de salud.
"El avance técnico clave reside en que FAHR-Face aprende una representación general del rostro a partir de más de 40 millones de imágenes, que luego puede adaptarse a distintos indicadores de salud, como la edad biológica y la supervivencia. Este enfoque basado en un modelo fundamental nos proporciona una forma escalable de desarrollar múltiples biomarcadores de salud facial, en lugar de entrenar cada modelo desde cero". - Hugo Aerts, coautor principal y director de Inteligencia Artificial en Medicina en el Hospital General de Massachusetts Brigham
Mientras FAHR-FaceAge presta atención a los pliegues nasolabiales, la frente sobre las órbitas y las sienes, FAHR-FaceSurvival mira sobre todo la zona bajo los ojos y alrededor del puente nasal. Esa diferencia sugiere que el sistema no busca una única señal mágica, sino patrones faciales distintos según la pregunta clínica.
Ya hay otros trabajos que exploran detección precoz del alzhéimer o herramientas de apoyo en oncología, pero aquí el salto consiste en intentar leer pronóstico directamente desde una imagen del rostro.
El tabaco dejó la huella facial más marcada
El modelo también encontró asociaciones entre ciertos hábitos y una apariencia biológicamente mayor. El consumo excesivo de alcohol, el consumo de drogas y el tabaquismo quedaron vinculados a ese envejecimiento aparente, con el tabaco como factor de patrón más marcado.
Mak subraya además que FAHR-FaceAge mantuvo una consistencia llamativa ante cambios frecuentes en las fotos de la vida diaria. El rendimiento se sostuvo con variaciones de pose, iluminación, expresión facial y maquillaje, y también permaneció estable en la mayoría de los procedimientos de cirugía plástica probados, con solo una pequeña variación tras una rinoplastia.
"Otro hallazgo sorprendente fue la consistencia de FAHR-FaceAge en variaciones fotográficas comunes de la vida real, incluyendo poses, iluminación, expresiones faciales y maquillaje. También se mantuvo estable en la mayoría de los procedimientos de cirugía plástica probados, observándose solo una pequeña variación después de la rinoplastia". - Raymond Mak, oncólogo radioterapeuta del Instituto Oncológico Mass General Brigham y miembro del programa de Inteligencia Artificial en Medicina
Visto así, el sistema intenta acercarse menos al retrato de estudio que a la foto corriente, esa que cualquiera puede hacerse con el móvil. Y eso explica por qué el equipo ha abierto en la web faceage.bwh.harvard.edu un estudio público para que más personas suban su imagen y reciban un informe que ayude a validar las mediciones.
La promesa clínica convive con una frontera delicada
FAHR-FaceSurvival da un paso adicional al aprender el riesgo de supervivencia directamente de fotografías faciales de pacientes con cáncer. Hugo Aerts sostiene incluso que se trata de la primera demostración de un modelo de IA capaz de predecir de forma directa la supervivencia al cáncer a partir de una imagen tan simple.
"FAHR-FaceSurvival lleva el campo de la IA de reconocimiento de la salud facial un paso más allá al aprender el riesgo de supervivencia directamente a partir de fotografías faciales de pacientes con cáncer. Hasta donde sabemos, esta es la primera demostración de que un modelo de IA puede predecir directamente la supervivencia al cáncer a partir de una simple fotografía". - Hugo Aerts, coautor principal y director de Inteligencia Artificial en Medicina en el Hospital General de Massachusetts Brigham
Mak acota el alcance de esa idea con una precisión importante. El objetivo no consiste en sustituir el criterio médico, sino en respaldar decisiones personalizadas con una evaluación más cuantitativa, consistente y escalable.
Eso coloca el debate en un lugar muy concreto. Si una cara puede aportar pistas sobre fragilidad, edad biológica o supervivencia, la pregunta ya no es solo qué ve el algoritmo, sino cuánto debería pesar esa lectura cuando detrás hay tratamientos intensivos y una fotografía tomada en segundos.