Un team di ricercatori ha sviluppato e validato FaceAge, un sistema di deep learning capace di stimare l’età biologica partendo da semplici fotografie del volto. Il lavoro, pubblicato su The Lancet Digital Health, propone un approccio innovativo per migliorare la stratificazione dei pazienti oncologici e affinare le previsioni di sopravvivenza.
Cos’è FaceAge?
FaceAge è stato addestrato su oltre 58.000 immagini di volti di individui sani over 60 e poi validato su diverse coorti cliniche oncologiche tra Europa e Stati Uniti, tra cui pazienti in fase avanzata e candidati a trattamenti palliativi.
Utilizza algoritmi avanzati per identificare caratteristiche visive associate all’invecchiamento biologico, come rughe, elasticità della pelle e altri segnali sottili.
A partire da fotografie scattate in contesti reali e non standardizzati (senza illuminazione professionale né pose rigide), il modello ha mostrato una sorprendente capacità di predire la prognosi indipendentemente dall’età anagrafica.
Applicazioni cliniche e risultati
Lo studio ha evidenziato che FaceAge è in grado di prevedere efficacemente l’età biologica in diverse popolazioni, inclusi pazienti oncologici. In particolare, il sistema ha mostrato una correlazione significativa tra l’età biologica stimata e la prognosi in vari tipi di cancro, suggerendo il suo potenziale come strumento di supporto nelle decisioni cliniche.
L’aspetto più interessante? I pazienti oncologici “sembravano” in media più anziani rispetto ai controlli sani, con un delta di +4,8 anni. E questa età apparente — secondo FaceAge — è risultata significativamente associata alla sopravvivenza in vari setting oncologici, con un hazard ratio per decade superiore a 1,11 in tutte le coorti analizzate.
Nel contesto dei trattamenti palliativi, FaceAge ha migliorato la capacità predittiva di modelli clinici esistenti come il TEACHH model, portando l’AUC da 0,74 a 0,80. Questo suggerisce un potenziale valore pratico nella presa di decisioni complesse a fine vita.
Un possibile biomarcatore di senescenza
Non solo: attraverso un’analisi genica, gli autori hanno rilevato che l’età stimata da FaceAge è associata a espressioni geniche legate alla senescenza cellulare — un collegamento che l’età cronologica non mostrava con la stessa forza.
Verso un uso clinico responsabile
FaceAge dimostra come l’analisi delle immagini facciali possa essere utilizzata per ottenere informazioni preziose sull’età biologica e, di conseguenza, sulla salute di un individuo. Questo approccio innovativo potrebbe rivoluzionare il modo in cui valutiamo e monitoriamo la salute nel contesto della medicina digitale.
Gli autori dello studio sottolineano la necessità di ulteriori validazioni su popolazioni più ampie e diverse, ma aprono la strada all’uso del volto come “finestra” oggettiva sulla salute fisiologica. In un contesto come l’oncologia, dove la fragilità del paziente pesa enormemente sulle scelte terapeutiche, uno strumento come FaceAge potrebbe contribuire a portare maggiore oggettività e personalizzazione.
Per ulteriori dettagli, è possibile consultare lo studio completo su The Lancet Digital Health: FaceAge, a deep learning system to estimate biological age from facial images.
