Jednostavno rečeno
Istraživači su naučili računar da analizira fotografije lica oboljelih od raka. Njegove procjene bile su povezane s tim koliko su dugo pacijenti živjeli, ali to ne znači da računar može predvidjeti šta će se desiti pojedincu. Prije bilo kakve upotrebe u bolnicama, potrebno je mnogo više provjera.
Od ljekarske procjene do računarske analize
Ljekari ponekad, uz nalaze i medicinsku dokumentaciju, procjenjuju opći izgled pacijenta, njegovu vitalnost i krhkost. Takva procjena može uticati na razmišljanje o mogućnostima liječenja, poput operacije, hemoterapije ili zračenja, kao i o nivou njege koji bi osobi mogao biti potreban. Ipak, procjene se mogu razlikovati od ljekara do ljekara jer zavise od iskustva i ličnog zapažanja.
Istraživački tim koji je predvodio Ray Mack, specijalista radioterapije na Institutu za rak Mass General Brigham, istražio je može li računarska analiza pružiti dodatnu, ujednačeniju informaciju. Cilj nije zamijeniti ljekara, nego provjeriti može li računar prepoznati obrasce na licu koje je teško uočiti samo pogledom i ponuditi pokazatelj koji bi se mogao razmotriti uz ostale medicinske podatke.
Model je najprije treniran na oko 40 miliona fotografija lica, bez zadatka da odmah prepoznaje nešto određeno. Nakon što je naučio opće obrasce na slikama, prilagođen je za dva zadatka: procjenu biološke starosti na osnovu izgleda lica i analizu fotografija oboljelih od raka radi procjene njihovih izgleda za preživljenje. Biološka starost nije dob navedena u dokumentima, već procjena zasnovana na izgledu lica, koja se ne mora podudarati sa stvarnom dobi osobe.
Šta su pokazale provjere na pacijentima?
U testnoj grupi od 3.820 oboljelih od raka istraživači su pacijente razvrstali u različite kategorije rizika. Od 122 osobe s najvišim rezultatima, njih 64 umrle su u roku od 90 dana nakon fotografisanja. To pokazuje da je model izdvojio grupu čiji je visoki rezultat bio povezan s primjetnom stopom smrtnosti u kratkom periodu. Ipak, to ne znači da će svaka osoba s visokim rezultatom umrijeti niti da taj rezultat sam po sebi objašnjava šta se dogodilo.
U zasebnoj, većoj provjeri, koja je obuhvatila više od 38.000 pacijenata, uočena je još jedna povezanost: osobe čija su lica prema procjeni modela izgledala starije od njihove stvarne dobi, u prosjeku su imale veći rizik od smrti. To je obrazac zabilježen u podacima, a ne pravilo koje važi za svaki slučaj. Prosjeci i povezanosti u velikim grupama ljudi ne omogućavaju automatski pouzdano predviđanje za određenu osobu.
Istraživači navode da je model bolje predviđao ishod kada su zajedno korišteni procjena starosti lica i rezultat povezan s preživljenjem nego kada se oslanjao samo na jedan od tih pokazatelja. To može značiti da ta dva podatka ukazuju na različite stvari i da bi mogli biti korisniji kada se posmatraju uz širu medicinsku sliku. Međutim, dostupni podaci ne pokazuju da je ovaj alat spreman za svakodnevno usmjeravanje liječenja.
Koji dijelovi lica su privukli pažnju algoritma?
Tim nije analizirao samo rezultate već je primijenio i postupak koji pokazuje na koje se dijelove slike model oslanjao pri procjeni. Kada je procjenjivao dob, naročito su se izdvajali nabori kože između nosa i usta, kao i dijelovi čela. Pri procjeni rizika od smrti, model je više pažnje usmjeravao na hrbat nosa i područje ispod očiju.
To što znamo koji je dio slike privukao pažnju algoritma ne objašnjava zašto je taj dio povezan s ishodom. Fotografije možda sadrže vidljive znakove općeg zdravstvenog stanja, posljedice drugih povezanih faktora ili obrasce koje je program naučio iz podataka, a čije biološko značenje nije jasno. Zato se ne može zaključiti da bore na određenom mjestu ili oblik nosa uzrokuju rizik, niti da su te osobine same po sebi medicinski pokazatelji.
Istraživači su razmatrali mogućnost da izgled lica odražava neke životne navike ili zdravstvene okolnosti. Mack je, na primjer, naveo da su pušenje i prekomjerna konzumacija alkohola kod nekih ljudi povezani s procjenom da im lice izgleda starije. Ipak, to ne dokazuje da model direktno prepoznaje pušenje ili konzumaciju alkohola, niti isključuje druge faktore koji mogu uticati i na izgled i na zdravlje.
Da li na rezultat utiču osmijeh i osvjetljenje?
Tim je ispitivao fotografije na kojima su se razlikovali izrazi lica, šminka i uslovi osvjetljenja. Prema prikazanim analizama, te razlike nisu bitno promijenile rezultate. Model se mogao nositi i s nekim oblicima estetske hirurgije pri procjeni dobi. Izuzetak je bila operacija nosa: na fotografijama snimljenim nakon zahvata program je imao sklonost procijeniti da osoba izgleda nešto starije nego na njenim fotografijama prije operacije.
Ovaj nalaz pokazuje da uspješnost algoritma ne zavisi samo od toga može li analizirati lice već i od vrste fotografija na kojima se zasniva, kao i od promjena koje mogu nastati na licu. Čak i kada se u testovima ne čini da neki faktor mijenja rezultate, potrebno je provjeriti model na raznovrsnim grupama ljudi i u stvarnim uslovima fotografisanja prije nego što se nalazi primijene šire.
Važna ograničenja prije moguće medicinske primjene
Istraživači smatraju da model još nije spreman za kliničku upotrebu. Jedno od glavnih ograničenja jeste to što podaci oboljelih od raka, korišteni za razvoj alata za procjenu preživljenja, potiču iz područja Bostona, a većina pacijenata bila je bijele puti. Zbog toga se postavlja važno pitanje koliko su rezultati tačni kod ljudi različitog porijekla i različitih karakteristika, posebno zato što jedna grupa ne može dovoljno predstavljati raznolikost izgleda lica.
Istraživači rade na proširenju skupa podataka kako bi obuhvatili lica različitih ljudi. To nije tek tehnički detalj: nedovoljna zastupljenost može dovesti do toga da alat bude manje uspješan kod nekih grupa stanovništva. Ako se rezultat predstavi kao objektivan, a zapravo je manje tačan za određene grupe, može stvoriti pogrešan utisak ili dovesti do nepravedne odluke. Zato su potrebna opsežna nezavisna testiranja, poređenje rezultata među različitim grupama i jasno navođenje mogućnosti greške.
Postoji i opasnost da se rezultat shvati kao konačan sud. Visok rezultat mogao bi uznemiriti pacijenta ili, ako se pogrešno protumači, dovesti do smanjenja liječenja ili njege. S druge strane, nizak rezultat mogao bi pružiti lažan osjećaj sigurnosti osobi kojoj je hitno potrebna pomoć. Matthew Liao, profesor bioetike na Univerzitetu u New Yorku, upozorio je da pogrešna procjena može nekome uskratiti potrebnu njegu ako se alatu pripiše veća pouzdanost nego što je opravdano.
Rizici se ne završavaju u ordinaciji. U budućnosti bi se tehnologije za procjenu zdravlja na osnovu lica mogle koristiti pri odlučivanju osiguravajućih društava o pokriću ili pri odabiru kandidata za posao. Nema dokaza da se ovaj model već koristi u takve svrhe, ali ta mogućnost pokazuje zašto unaprijed treba razmotriti privatnost, pristanak i pravednost, kao i pitanje ko posjeduje fotografije i rezultate te kako se na njih može uložiti prigovor. To što je pokazatelj izračunao računar ne znači da je automatski nepristrasan ili da je njegova upotreba opravdana.
Zaključak
Ova studija otvara novi pravac istraživanja u kojem se na fotografijama lica traže pokazatelji povezani s ishodima kod oboljelih od raka. U testnim grupama viši rezultati bili su povezani s većim rizikom od smrti, a kombinacija procjene starosti lica i rezultata povezanog s preživljenjem poboljšala je predviđanje u odnosu na korištenje samo jednog pokazatelja. Ipak, algoritam još ne objašnjava šta tačno prepoznaje niti dokazuje da određene crte lica uzrokuju bolest ili mogu predvidjeti ishod za svakog pacijenta. Prije nego što fotografije postanu pomoć u bolnicama, potrebno je proširiti podatke, provjeriti tačnost kod različitih grupa ljudi i ispitati praktične i etičke posljedice upotrebe. Zasad ovaj rezultat treba posmatrati kao obećavajući istraživački nalaz, a ne kao dijagnozu ili zamjenu za cjelovitu ljekarsku procjenu.