AI-tool voorspelt overlevingskansen kankerpatiënten op basis van één gezichtsfoto

Model getraind op miljoenen afbeeldingen geeft artsen extra informatie bij levenseindebeoordelingen als dossiers beperkt zijn.

Onderzoekers hebben een kunstmatig intelligentiesysteem ontwikkeld dat kan inschatten hoe lang kankerpatiënten nog te leven hebben op basis van enkel een foto van hun gezicht. De methode moet artsen een extra signaal geven bij het maken van behandelkeuzes, vooral in situaties waarin gedetailleerde medische dossiers ontbreken.

Groot trainingsdataset voedt het model

Het systeem is ontwikkeld met meer dan 40 miljoen alledaagse gezichtsafbeeldingen gecombineerd met foto’s van ruim 30.000 kankerpatiënten, van wie velen al waren overleden toen het onderzoek werd afgerond. Het kent elke patiënt een risicoscore toe, waarbij hogere scores wijzen op een grotere kans om binnen 90 dagen te overlijden. De bevindingen verschenen in het tijdschrift The Lancet Digital Health.

Prestaties bij diverse patiëntengroepen

In tests schatte het model de chronologische leeftijd binnen ongeveer vijf jaar en verdeelde het patiënten consequent in hogere- en lagere-risicogroepen die duidelijke verschillen in werkelijke overleving lieten zien. De resultaten bleven stabiel ongeacht leeftijd, ras, geslacht of kankertype van de patiënt.

Artsen vertrouwen al op visuele signalen

Raymond Mak, radiotherapeut-oncoloog bij Mass General Brigham Cancer Institute en een van de hoofdauteurs van de studie, merkte op dat artsen routinematig indrukken vormen op basis van het uiterlijk van een patiënt. Hij stelde dat clinici “in het algemeen niet erg goed zijn in het schatten van de levensverwachting aan het einde van het leven”. Het team denkt dat de AI elementen van fysiologische reserve kan vastleggen die zichtbaar maar moeilijk te kwantificeren zijn.

We denken dat we met AI een deel van die fysiologische reserve en het sterfterisico kunnen vastleggen, alleen op basis van een gezichtsfoto.

— Raymond Mak, radiotherapeut-oncoloog, Mass General Brigham Cancer Institute, Interview met de studieauteur

Expert vraagt om verdere validatie

Miroslaw Bober, hoogleraar videoverwerking en machine learning aan University of Surrey, waarschuwde dat het hulpmiddel nog ver verwijderd is van klinische toepassing. Hij benadrukte dat accurate voorspelling niet gelijkstaat aan klinische bruikbaarheid en dat de studie de AI-uitkomsten niet vergeleek met de eigen beoordelingen van artsen over de fitheid van patiënten.

Het voorspellen van een uitkomst is niet hetzelfde als het verklaren ervan. Het is niet aangetoond dat deze voorspellingen klinisch nuttige informatie toevoegen aan de beoordelingen van artsen over de algemene gezondheid en fitheid van een patiënt, die in de studie niet werden gemeten.

— Miroslaw Bober, hoogleraar videoverwerking en machine learning, University of Surrey, Commentaar op het onderzoek

Focusgebieden echoën oude observaties

Analyse van de aandachtspatronen van het model toonde aan dat het vooral steunde op de neusbrug en het gebied net onder de ogen. Mak koppelde deze nadruk aan beschrijvingen van Hippocrates, die ingevallen ogen, slapen en een scherpe neus als vroege fysieke tekenen van naderend overlijden noemde.

Beoogde rol blijft ondersteunend

Mak benadrukte dat de technologie niet bedoeld is om zorg te beperken. Hij merkte op dat artsen vaak agressieve behandelingen voortzetten tot het einde van het leven en ziet het hulpmiddel als simpelweg “nog een stukje informatie” om beslissingen te ondersteunen.

Tags bij dit artikel