Una simple fotografía del rostro podría contener información relevante sobre el estado de salud de una persona, incluso cuando esas señales no resultan evidentes a simple vista. Esa es una de las principales conclusiones de un estudio realizado por investigadores de Mass General Brigham, en Estados Unidos, y publicado en la revista científica The Lancet Digital Health.
La investigación encontró que una herramienta de inteligencia artificial (IA), entrenada con millones de imágenes faciales, puede estimar la edad biológica de una persona y predecir el riesgo de muerte entre pacientes con cáncer. El trabajo abre una nueva línea de análisis sobre la relación entre la apariencia del rostro, el estado general del organismo y la evolución de las enfermedades oncológicas.
Para desarrollar esta tecnología, el equipo utilizó un modelo entrenado con más de 40 millones de fotografías de rostros. Sobre esa base, los investigadores construyeron dos algoritmos complementarios, diseñados para identificar distintos indicadores relacionados con la salud. El primero calcula la edad biológica a partir de la apariencia facial. El segundo, en cambio, intenta estimar directamente el riesgo de mortalidad de los pacientes con cáncer, sin necesidad de realizar previamente una estimación de su edad biológica.
Los resultados sugieren que los patrones detectados en las fotografías podrían contribuir a reconocer diferencias en el estado de salud de los pacientes y aportar información para anticipar cómo podrían responder a tratamientos exigentes. Sin embargo, los investigadores y los especialistas consultados advierten que todavía quedan preguntas importantes por resolver antes de trasladar estos resultados a la práctica clínica habitual.
En particular, será necesario determinar qué información biológica está capturando el sistema, cómo deben interpretarse sus estimaciones y en qué medida pueden mejorar las herramientas de evaluación médica que ya se utilizan.
Cómo calcula la edad biológica a partir del rostro
El primero de los algoritmos desarrollados se denomina FAHR-FaceAge y tiene como objetivo estimar la edad biológica, un indicador que busca reflejar el estado del organismo y que no necesariamente coincide con los años transcurridos desde el nacimiento.
Para entrenar esta herramienta, los investigadores utilizaron 743.152 fotografías de personas cuya edad cronológica conocían. Posteriormente, evaluaron el rendimiento del sistema con imágenes que no habían sido utilizadas durante el entrenamiento, una instancia que permitió comprobar su capacidad para realizar estimaciones ante datos nuevos.
En esas pruebas, la diferencia entre la edad real de las personas y la calculada por la inteligencia artificial fue de 5,1 años en promedio. Cuando el algoritmo se aplicó a pacientes que recibían radioterapia, la diferencia media se acercó a los siete años. Según la interpretación planteada en el estudio, cuando el sistema calcula una edad biológica superior a la cronológica, podría estar identificando señales vinculadas con un envejecimiento biológico más acelerado.
La investigación también encontró una asociación entre esa diferencia de edad y la supervivencia de los pacientes oncológicos. Los resultados mostraron que las personas cuya apariencia facial correspondía a una edad de al menos cinco años superior a la real presentaron un riesgo de muerte un 21% mayor que el resto durante un seguimiento promedio de cuatro años.
En sentido contrario, quienes aparentaban tener al menos cinco años menos que su edad cronológica registraron un riesgo de muerte un 17% inferior.
Estos resultados muestran una asociación estadística entre las estimaciones del algoritmo y la evolución de los pacientes. No obstante, por sí solos no permiten establecer que la apariencia facial determine la supervivencia ni que la herramienta pueda explicar las causas de esas diferencias.
FAHR-FaceSurvival: el riesgo de mortalidad calculado directamente
El segundo algoritmo, denominado FAHR-FaceSurvival, fue diseñado para estimar directamente el riesgo de mortalidad a partir de una fotografía facial, sin recurrir a una estimación intermedia de la edad biológica. Para su entrenamiento, los investigadores utilizaron 34.363 imágenes faciales de pacientes con cáncer, combinadas con información sobre la evolución clínica de esas personas.
En el análisis, los pacientes clasificados por el sistema dentro del grupo de mayor riesgo presentaron una mortalidad superior al triple de la registrada en el grupo de menor riesgo. La diferencia se mantuvo incluso después de ajustar los resultados por variables como la edad, el sexo, el tipo de cáncer y las características del tratamiento.
El hallazgo constituye uno de los puntos centrales del trabajo, porque sugiere que el algoritmo podría identificar señales asociadas con la supervivencia que no dependen exclusivamente de esas variables clínicas consideradas en el análisis. Aunque ambos sistemas parten de un mismo modelo de inteligencia artificial, no utilizan exactamente las mismas señales del rostro para elaborar sus estimaciones.
FAHR-FaceAge presta especial atención a los pliegues que se extienden desde la nariz hasta las comisuras de la boca, así como a la frente y las sienes. FAHR-FaceSurvival, por su parte, concentra parte de su análisis en la región situada debajo de los ojos y alrededor del puente nasal.
La diferencia entre las áreas faciales analizadas refleja que los dos algoritmos fueron diseñados para identificar indicadores distintos: uno se orienta a estimar la edad biológica, mientras que el otro busca calcular el riesgo de mortalidad directamente.
Hugo Aerts, coautor principal del estudio, destacó el alcance de esta segunda herramienta.
"FAHR-FaceSurvival impulsa el campo de la IA de reconocimiento de la salud facial un paso más allá al aprender el riesgo de supervivencia directamente a partir de fotografías faciales de pacientes con cáncer", afirmó. El investigador agregó: "Hasta donde sabemos, esta es la primera demostración de que un modelo de IA puede predecir directamente la supervivencia al cáncer a partir de una simple fotografía".
Aerts también señaló que el modelo general, entrenado con decenas de millones de imágenes, puede adaptarse para identificar diferentes indicadores de salud sin que sea necesario desarrollar cada algoritmo desde cero.
La aplicación para personalizar los tratamientos oncológicos
Uno de los usos potenciales de esta tecnología sería contribuir a la evaluación de la fragilidad de los pacientes antes de indicar tratamientos intensivos, como una cirugía, la radioterapia o las terapias sistémicas. Contar con una estimación adicional del estado general de salud podría ayudar a los profesionales a analizar las condiciones de cada paciente y considerar decisiones más personalizadas, especialmente en el caso de las personas mayores.
Raymond Mak, oncólogo radioterápico de Mass General Brigham y uno de los investigadores principales, explicó que el objetivo no es sustituir las decisiones de los médicos, sino incorporar herramientas que permitan evaluar la salud de manera más consistente. "Nuestro objetivo es hacer más cuantitativa, consistente y escalable la evaluación de la salud a partir de una fotografía, de forma que apoye decisiones personalizadas, no que sustituya el juicio médico", señaló.
La aclaración establece un límite importante para la interpretación de los resultados: la inteligencia artificial se plantea como una posible herramienta complementaria, no como un reemplazo de la evaluación clínica ni como un mecanismo que pueda decidir por sí solo qué tratamiento debe recibir una persona.
En este sentido, todavía es necesario establecer qué información aporta el análisis facial respecto de los indicadores que los equipos médicos ya conocen y utilizan. La utilidad práctica del sistema dependerá, entre otros aspectos, de la capacidad de interpretar sus resultados y demostrar que contribuyen a mejorar las evaluaciones existentes.
Estabilidad de las estimaciones y relación con determinados hábitos
Los investigadores también examinaron cómo respondían las estimaciones de edad ante variaciones habituales en las fotografías. Las pruebas mostraron que los resultados se mantenían relativamente estables frente a cambios de iluminación, expresiones faciales, posiciones del rostro y uso de maquillaje.
El modelo FAHR-FaceAge presentó, además, poca variación en las pruebas realizadas después de distintos procedimientos de cirugía plástica, aunque la rinoplastia produjo algunos cambios.
Estos análisis buscan determinar hasta qué punto las características de una fotografía pueden modificar las estimaciones realizadas por el algoritmo. La estabilidad frente a diferentes condiciones de captura constituye un aspecto relevante para evaluar el posible uso de esta tecnología en contextos médicos.
El estudio también identificó asociaciones entre una apariencia facial biológicamente más envejecida y determinados hábitos, como el tabaquismo, el consumo excesivo de alcohol y el uso de drogas. Sin embargo, los resultados no permiten afirmar por sí solos que esos factores expliquen las señales detectadas por la inteligencia artificial. La asociación observada no equivale a demostrar una relación causal ni permite determinar qué mecanismos biológicos podrían estar detrás de los patrones faciales identificados.