Uno studio multicentrico coordinato dall’Artificial Intelligence in Medicine Program (Mass General Brigham, Harvard Medical School, Boston, MA, USA) ha sviluppato e validato FaceAge, un sistema di intelligenza artificiale in grado di stimare l’età biologica di un individuo a partire da fotografie del volto. La tecnologia si fonda sull’ipotesi che le caratteristiche facciali visibili siano un indicatore informativo dello stato fisiologico di un individuo potenzialmente più accurato dell’età anagrafica nel predire l’outcome clinico, in particolare in ambito oncologico. Lo studio, pubblicato su The Lancet Digital Health, ha valutato quindi la capacità di FaceAge di supportare il processo decisionale clinico, in particolare in oncologia, dove la stima della sopravvivenza è cruciale per la definizione dell’intensità terapeutica, l’accesso a trattamenti palliativi e la pianificazione del fine vita.
Il modello FaceAge è stato addestrato su oltre 56.000 immagini di individui sani provenienti dal database IMDb–Wiki, convalidato tecnicamente sul dataset UTKFace e testato clinicamente su 6.196 pazienti oncologici provenienti da tre coorti (MAASTRO, Harvard Thoracic e Harvard Palliative), confrontati con 535 pazienti non oncologici.
L’analisi ha mostrato che nei pazienti oncologici, il volto appariva in media più vecchio di circa 5 anni rispetto all’età cronologica (differenza media di 4,79 anni, p<0,0001). Questa discrepanza era statisticamente significativa anche rispetto a coorti non oncologiche, incluse quelle trattate per condizioni benigne. Il dato è stato consistente attraverso tipi e stadi di neoplasie differenti.
Nel dettaglio, FaceAge si è dimostrato un predittore indipendente di sopravvivenza globale:
- Nella coorte MAASTRO (n=4906), ogni decade in più di FaceAge era associata a un aumento del rischio di morte (HR=1,151; p=0,013).
- Nella coorte Harvard Thoracic (n=573), il sistema ha mantenuto valore prognostico dopo aggiustamento per stadio, performance status ECOG, istologia e altri fattori (HR=1,15; p=0,011), mentre l’età anagrafica non era significativa.
- Nella coorte Harvard Palliative (n=717), FaceAge ha migliorato la performance del modello TEACHH nella previsione della sopravvivenza a 6 mesi, aumentando l’AUC da 0,74 a 0,80 (p<0,0001).
Una sperimentazione condotta su 100 casi clinici ha messo a confronto FaceAge con le capacità predittive di 10 medici e ricercatori. L’aggiunta del modello FaceAge alle informazioni cliniche ha migliorato la performance predittiva complessiva dei clinici (AUC media 0,80), con una riduzione della variabilità interindividuale tra valutatori.
A livello molecolare, l’analisi genomica ha evidenziato un’associazione significativa tra FaceAge e l’espressione del gene CDK6, implicato nei processi di senescenza cellulare, suggerendo una potenziale correlazione tra l’aspetto facciale predetto e l’invecchiamento biologico. Nessuna correlazione simile è stata osservata per l’età anagrafica.
Gli autori sottolineano il valore aggiunto di FaceAge rispetto alle valutazioni soggettive dello stato di salute usate nella pratica clinica, evidenziando come un biomarcatore quantitativo e standardizzabile possa supportare decisioni terapeutiche in contesti dove l’equilibrio rischio-beneficio è critico.
FaceAge si è dimostrato utile anche nei casi a prognosi incerta, come nei pazienti con malattia avanzata, in cui la decisione se procedere o meno a un trattamento intensivo dipende dalla capacità di stimare correttamente la sopravvivenza residua. La maggiore precisione predittiva offerta da FaceAge può migliorare la selezione dei pazienti candidabili a terapie attive o la tempestiva attivazione di cure palliative.
Tuttavia, si richiede ulteriore validazione in coorti più ampie e diversificate, nonché attenzione agli aspetti etici e alle potenziali distorsioni legate ai dataset di addestramento.
Lo studio è stato finanziato dal National Institutes of Health (USA) e dal Consiglio Europeo della Ricerca.
Fonte:
Bontempi D, Zalay O, Bitterman DS, et al. FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study. The Lancet Digital Health, May 08, 2025. Online First.