ಸುಧಾರಿತ AI ಉಪಕರಣವು ಜೈವಿಕ ವಯಸ್ಸನ್ನು ಅಂದಾಜು ಮಾಡುತ್ತದೆ ಮತ್ತು ಮುಖದ ಫೋಟೋಗಳಿಂದ ಕ್ಯಾನ್ಸರ್ ಬದುಕುಳಿಯುವಿಕೆಯನ್ನು ಊಹಿಸುತ್ತದೆ

ವ್ಯಕ್ತಿಯ ಆರೋಗ್ಯದ ಪ್ರಮುಖ ಸೂಚಕಗಳನ್ನು ನಿರ್ಧರಿಸಲು ಸರಳವಾದ ಮುಖದ ಛಾಯಾಚಿತ್ರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಂಶೋಧಕರು AI ಪರಿಕರಗಳನ್ನು ಬಳಸುತ್ತಿದ್ದಾರೆ. ಮಾಸ್ ಜನರಲ್ ಬ್ರಿಗಮ್ ಸಂಶೋಧಕರು FAHR-ಫೇಸ್ (ಫೌಂಡೇಶನ್ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಫಾರ್ ಹೆಲ್ತ್ ರೆಕಗ್ನಿಷನ್) ಅನ್ನು ನಿರ್ಮಿಸಿದ್ದಾರೆ, ಇದು 40 ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ಮುಖದ ಚಿತ್ರಗಳ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ ದೊಡ್ಡ AI ಅಡಿಪಾಯ ಮಾದರಿಯಾಗಿದೆ. ಅವರು ಎರಡು ಪೂರಕ ಸಾಧನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಮಾದರಿಯನ್ನು ಬಳಸಿದರು: FAHR-FaceAge, ಇದು ಮುಂಚಿನ ವಯಸ್ಸಿನ ಅಂದಾಜು ಅಲ್ಗಾರಿದಮ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಹೆಚ್ಚಿನ ನಿಖರತೆಯೊಂದಿಗೆ ರೋಗಿಯ ಜೈವಿಕ ವಯಸ್ಸನ್ನು ಅಂದಾಜು ಮಾಡುತ್ತದೆ ಮತ್ತು FAHR-FaceSurvival, ಮುಖದ ಛಾಯಾಚಿತ್ರದಿಂದ ಕ್ಯಾನ್ಸರ್ ರೋಗಿಗಳಲ್ಲಿ ಬದುಕುಳಿಯುವ ಫಲಿತಾಂಶಗಳನ್ನು ನೇರವಾಗಿ ಊಹಿಸುತ್ತದೆ. ಮಾದರಿ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆಯ ಅಧ್ಯಯನವು ರೋಗಿಯ FAHR-FaceAge ಮತ್ತು ಅವರ ಕಾಲಾನುಕ್ರಮದ ವಯಸ್ಸಿನ ನಡುವಿನ ವಿಚಲನವು ಸ್ವತಂತ್ರವಾಗಿ ಬದುಕುಳಿಯುವಿಕೆಗೆ ಸಂಬಂಧಿಸಿದೆ ಎಂದು ತೋರಿಸಿದೆ. ಇದು ಸಾಮಾನ್ಯ ಫೋಟೋ ವ್ಯತ್ಯಾಸಗಳಾದ್ಯಂತ ಪರಿಕರಗಳ ದೃಢತೆಯನ್ನು ಪ್ರದರ್ಶಿಸಿತು. ಅಧ್ಯಯನವನ್ನು ಪ್ರಕಟಿಸಲಾಗಿದೆ ಲ್ಯಾನ್ಸೆಟ್ ಡಿಜಿಟಲ್ ಹೆಲ್ತ್.

“ಜನಸಂಖ್ಯೆಯು ವಯಸ್ಸಾದಂತೆ, ವಿಕಿರಣ, ಶಸ್ತ್ರಚಿಕಿತ್ಸೆ ಅಥವಾ ವ್ಯವಸ್ಥಿತ ಚಿಕಿತ್ಸೆಯಂತಹ ತೀವ್ರವಾದ ಚಿಕಿತ್ಸೆಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುವ ಮೊದಲು ಭೌತಿಕ ಮೀಸಲು ಮತ್ತು ದೌರ್ಬಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡಲು ವೈದ್ಯರಿಗೆ ಉತ್ತಮ ಮಾರ್ಗಗಳು ಬೇಕಾಗುತ್ತವೆ” ಎಂದು ಮಾಸ್ ಜನರಲ್ ಬ್ರಿಗಮ್ ಕ್ಯಾನ್ಸರ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್‌ನ ವಿಕಿರಣ ಆಂಕೊಲಾಜಿಸ್ಟ್ ಮತ್ತು ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಪ್ರೋಗ್ರಾಂನಲ್ಲಿ ಅಧ್ಯಾಪಕ ಸದಸ್ಯರಾದ ರೇಮಂಡ್ ಮ್ಯಾಕ್, MD ಹೇಳಿದರು. “ಮುಖದ ಛಾಯಾಚಿತ್ರ-ಆಧಾರಿತ ಆರೋಗ್ಯ ಮೌಲ್ಯಮಾಪನವನ್ನು ಹೆಚ್ಚು ಪರಿಮಾಣಾತ್ಮಕ, ಸ್ಥಿರ ಮತ್ತು ಸ್ಕೇಲೆಬಲ್ ಮಾಡುವುದು ನಮ್ಮ ಗುರಿಯಾಗಿದೆ, ಆದ್ದರಿಂದ ಇದು ವೈದ್ಯರ ತೀರ್ಪನ್ನು ಬದಲಿಸುವ ಬದಲು ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ಚಿಕಿತ್ಸೆಯ ನಿರ್ಧಾರಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ.”

ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ಪ್ರಗತಿಯೆಂದರೆ FAHR-ಫೇಸ್ 40 ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ಚಿತ್ರಗಳಿಂದ ಮುಖದ ಸಾಮಾನ್ಯ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಕಲಿಯುತ್ತದೆ, ನಂತರ ಅದನ್ನು ಜೈವಿಕ ವಯಸ್ಸು ಮತ್ತು ಬದುಕುಳಿಯುವಿಕೆಯಂತಹ ವಿಭಿನ್ನ ಆರೋಗ್ಯ ಫಲಿತಾಂಶಗಳಿಗೆ ಅಳವಡಿಸಿಕೊಳ್ಳಬಹುದು. ಪ್ರತಿ ಮಾದರಿಯನ್ನು ಮೊದಲಿನಿಂದಲೂ ತರಬೇತಿ ನೀಡುವ ಬದಲು ಬಹು ಮುಖದ ಆರೋಗ್ಯ ಬಯೋಮಾರ್ಕರ್‌ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಈ ಅಡಿಪಾಯ-ಮಾದರಿ ವಿಧಾನವು ನಮಗೆ ಸ್ಕೇಲೆಬಲ್ ಮಾರ್ಗವನ್ನು ನೀಡುತ್ತದೆ.”

ಹ್ಯೂಗೋ ಏರ್ಟ್ಸ್, ಪಿಎಚ್‌ಡಿ, ಸಹ-ಹಿರಿಯ ಲೇಖಕ ಮತ್ತು ಎಐಎಂನ ನಿರ್ದೇಶಕ, ಮಾಸ್ ಜನರಲ್ ಬ್ರಿಗಮ್

FAHR-FaceAge ಮತ್ತು FAHR-FaceSurvival ಅನ್ನು ಒಂದೇ ಅಡಿಪಾಯ ಮಾದರಿಯಿಂದ ಪಡೆಯಲಾಗಿದೆಯಾದರೂ, ಅವರು ರೋಗಿಯ ಆರೋಗ್ಯದ ಬಗ್ಗೆ ವಿಭಿನ್ನ ಮತ್ತು ಪೂರಕ ಮಾಹಿತಿಯನ್ನು ಸೆರೆಹಿಡಿದಿದ್ದಾರೆ. ಅವರ ಭವಿಷ್ಯವಾಣಿಗಳು ದುರ್ಬಲವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿದ್ದವು ಮತ್ತು ಒಟ್ಟಿಗೆ ವಿಶ್ಲೇಷಿಸಿದಾಗ ಎರಡೂ ಸ್ವತಂತ್ರವಾಗಿ ಬದುಕುಳಿಯುವಿಕೆಯೊಂದಿಗೆ ಸಂಬಂಧ ಹೊಂದಿದ್ದವು. ಎರಡು ಕ್ರಮಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುವುದರಿಂದ ಕ್ಯಾನ್ಸರ್ ರೋಗಿಗಳ ಬಾಹ್ಯ ಮೌಲ್ಯೀಕರಣ ಸಮೂಹದಲ್ಲಿ ಬದುಕುಳಿಯುವಿಕೆಯ ಮಾದರಿಯ ಫಿಟ್ ಅನ್ನು ಮತ್ತಷ್ಟು ಸುಧಾರಿಸಿತು. ಪ್ರತಿ ಅಲ್ಗಾರಿದಮ್ ವಯಸ್ಸು ಮತ್ತು ಮರಣದ ಅಪಾಯದ ಸಂಬಂಧಿತ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಮಾಡಲು ಮುಖದ ವಿಭಿನ್ನ ಭಾಗಗಳನ್ನು ಅವಲಂಬಿಸಿದೆ. FAHR-FaceAge ನಾಸೋಲಾಬಿಯಲ್ ಮಡಿಕೆಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ, ಕಕ್ಷೆಗಳು ಮತ್ತು ದೇವಾಲಯಗಳ ಮೇಲಿನ ಹಣೆಯ ಪ್ರದೇಶ, ಆದರೆ FAHR-ಫೇಸ್‌ಸರ್ವೈವಲ್ ಕಣ್ಣುಗಳ ಕೆಳಗೆ ಮತ್ತು ಮೂಗಿನ ಸೇತುವೆಯ ಸುತ್ತಲಿನ ಪ್ರದೇಶವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ.

“FAHR-FaceSurvival ಕ್ಯಾನ್ಸರ್ ಹೊಂದಿರುವ ರೋಗಿಗಳ ಮುಖದ ಛಾಯಾಚಿತ್ರಗಳಿಂದ ನೇರವಾಗಿ ಬದುಕುಳಿಯುವ ಅಪಾಯವನ್ನು ಕಲಿಯುವ ಮೂಲಕ ಮುಖದ ಆರೋಗ್ಯ ಗುರುತಿಸುವಿಕೆ AI ಕ್ಷೇತ್ರವನ್ನು ಒಂದು ಹೆಜ್ಜೆ ಮುಂದಿಡುತ್ತದೆ” ಎಂದು ಏರ್ಟ್ಸ್ ಹೇಳಿದರು. “ನಮ್ಮ ಜ್ಞಾನಕ್ಕೆ, AI ಮಾದರಿಯು ಕ್ಯಾನ್ಸರ್ ಬದುಕುಳಿಯುವಿಕೆಯನ್ನು ಸರಳವಾದ ಛಾಯಾಚಿತ್ರದಿಂದ ನೇರವಾಗಿ ಊಹಿಸಬಲ್ಲ ಮೊದಲ ಪ್ರದರ್ಶನವಾಗಿದೆ.”

ಜೀವನಶೈಲಿಯ ಅಂಶಗಳು ಮುಖದ ವಯಸ್ಸಾದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತವೆ ಎಂದು ಸಂಶೋಧಕರು ಕಂಡುಕೊಂಡಿದ್ದಾರೆ. ಉದಾಹರಣೆಗೆ, ಭಾರೀ ಆಲ್ಕೋಹಾಲ್ ಬಳಕೆ, ಮಾದಕವಸ್ತು ಬಳಕೆ ಮತ್ತು ಧೂಮಪಾನವು ಜೈವಿಕವಾಗಿ ವಯಸ್ಸಾದವರಂತೆ ಕಾಣುವುದರೊಂದಿಗೆ ಸಂಬಂಧ ಹೊಂದಿದೆ. ಧೂಮಪಾನವು ಪ್ರಬಲವಾದ ಮಾದರಿಯನ್ನು ತೋರಿಸಿದೆ, ಪ್ರಸ್ತುತ ಧೂಮಪಾನಿಗಳು ಹಿಂದಿನ ಧೂಮಪಾನಿಗಳಿಗಿಂತ ವಯಸ್ಸಾದವರು ಮತ್ತು ಮಾಜಿ ಧೂಮಪಾನಿಗಳು ಎಂದಿಗೂ ಧೂಮಪಾನ ಮಾಡದ ಜನರಿಗಿಂತ ವಯಸ್ಸಾದವರು.

“ಇನ್ನೊಂದು ಆಶ್ಚರ್ಯಕರ ಸಂಶೋಧನೆಯೆಂದರೆ, ಸಾಮಾನ್ಯ ನೈಜ-ಪ್ರಪಂಚದ ಫೋಟೋ ವ್ಯತ್ಯಾಸಗಳಲ್ಲಿ FAHR-FaceAge ಎಷ್ಟು ಸ್ಥಿರವಾಗಿದೆ, ಭಂಗಿ, ಬೆಳಕು, ಮುಖಭಾವ ಮತ್ತು ಮೇಕ್ಅಪ್ ಸೇರಿದಂತೆ,” ಮ್ಯಾಕ್ ಗಮನಿಸಿದರು. “ಇದು ಹೆಚ್ಚು ಪರೀಕ್ಷಿಸಿದ ಪ್ಲಾಸ್ಟಿಕ್ ಸರ್ಜರಿ ವಿಧಾನಗಳಲ್ಲಿ ಸ್ಥಿರವಾಗಿದೆ, ರೈನೋಪ್ಲ್ಯಾಸ್ಟಿ ನಂತರ ಕೇವಲ ಒಂದು ಸಣ್ಣ ಬದಲಾವಣೆಯನ್ನು ಗಮನಿಸಲಾಗಿದೆ.”

ತಂಡವು ಫೇಸ್‌ಏಜ್ ಸಂಶೋಧನಾ ಅಧ್ಯಯನದ ಮೂಲಕ ಈ ಸಂಶೋಧನೆಯನ್ನು ವಿಸ್ತರಿಸುತ್ತಿದೆ, ಇದು ಆನ್‌ಲೈನ್, ಸಾಂಸ್ಥಿಕ ವಿಮರ್ಶೆ ಮಂಡಳಿ-ಅನುಮೋದಿತ ಅಧ್ಯಯನವು faceage.bwh.harvard.edu ನಲ್ಲಿ ಸಾರ್ವಜನಿಕರಿಗೆ ತೆರೆದಿರುತ್ತದೆ. ಭಾಗವಹಿಸುವವರು ಮುಖದ ಛಾಯಾಚಿತ್ರವನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡಬಹುದು ಮತ್ತು ತಮ್ಮದೇ ಆದ ಫೇಸ್‌ಏಜ್ ಸಂಶೋಧನಾ ಓದುವಿಕೆಯನ್ನು ಪಡೆಯಬಹುದು, ಹಾಗೆಯೇ ದೊಡ್ಡ ಮತ್ತು ಹೆಚ್ಚು ವೈವಿಧ್ಯಮಯ ಜನಸಂಖ್ಯೆಯಾದ್ಯಂತ ಮುಖದ ವಯಸ್ಸಾದ ಮತ್ತು ಆರೋಗ್ಯದ AI- ಆಧಾರಿತ ಕ್ರಮಗಳನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ಮೌಲ್ಯೀಕರಿಸಲು ಸಂಶೋಧಕರಿಗೆ ಸಹಾಯ ಮಾಡುವ ಡೇಟಾವನ್ನು ಕೊಡುಗೆ ನೀಡುತ್ತದೆ.