Sie wurden erfolgreich abgemeldet!

Lancet-Studie

KI prognostiziert Sterberisiko von Krebspatienten anhand des Gesichtsfotos

KI-gestützte Gesichtserkennungstools helfen Ärzten, das Überlebensrisiko bei Krebspatienten einzuschätzen und so eine personalisierte Behandlung zu ermöglichen. Die Abbildung links zeigt die wichtigsten Merkmale für die Überlebensprognosen bei Krebspatienten, während die Abbildung rechts die wichtigsten Merkmale für die Schätzungen des biologischen Alters darstellt. Gelb markierte Bereiche hatten den größten Einfluss auf die jeweiligen Vorhersagen. Mass General Brigham
ck
Medizin
  •  
US-Forscher der Harvard Medical School in Boston haben ein neues KI-Grundlagenmodell entwickelt, das die Überlebenschancen von Krebspatienten anhand ihrer Gesichtsfotos vorhersagen kann. Die Studie wurde in Lancet Digital Health veröffentlicht.

Das Team des Mass General Brigham an der Harvard Medical School in Boston, Massachusetts, trainierte zunächst das Modell an über 40 Millionen Gesichtsbildern und konzipierte dann auf dieser Basis zwei sich ergänzende Tools: FAHR-FaceAge schätzt das biologische Alter eines Patienten zur Überlebensprognose; FAHR-FaceSurvival berechnet anhand eines Gesichtsfotos direkt die Überlebenswahrscheinlichkeit von Krebspatienten ohne dafür das biologische Alter miteinzubeziehen.

FAHR-FaceAge wurde in zwei Schritten altersbalanciert anhand von zehn öffentlich zugänglichen Bilddatensätzen feinabgestimmt; FAHR-FaceSurvival anhand von 34.363 Fotografien von Krebspatienten konfiguriert. Beide Modelle wurden klinisch in zwei unabhängigen Datensätzen von Krebspatienten getestet, wobei das Überleben mittels multivariater Cox-Modelle analysiert und um klinische Prognosefaktoren bereinigt wurde.

Der FAD-Wert (Face Age Difference) misst die Differenz zwischen dem von der KI geschätzten biologischen Gesichtsalter und dem tatsächlichen (chronologischen) Alter. In der Kohorte von 38.183 Krebspatienten wirkten viele Betroffene deutlich älter als sie waren: 33 Prozent hatten einen FAD von mindestens +5 Jahren und 17 Prozent sogar von +10 Jahren oder mehr. Demgegenüber wirkten 24,3 Prozent mindestens 5 Jahre jünger.

Wer älter aussah, starb früher

Bezogen auf die Vorhersage der Sterblichkeit bestand ein direkter Zusammenhang: Patienten, die älter aussahen (hoher FAD), hatten in allen Altersgruppen eine geringere Überlebenswahrscheinlichkeit. Wer jünger wirkte, lebte dagegen tendenziell länger. Krebspatienten, die extrem gealtert wirkten (FAD > 20 Jahre), hatten eine 90-Tage-Sterblichkeitsrate von 21,3 Prozent. Bei Patienten, die einen deutlich jüngeren Eindruck machten (FAD ≤ −10 Jahre), lag diese Rate bei nur 6,4 Prozent. Ein um 10 Jahre erhöhtes Gesichtsalter (ein Jahrzehnt FAD) steigerte das Sterberisiko im Schnitt um 14 bis 30 Prozent. Ein FAD von über 5 Jahren erhöhte das Risiko unabhängig von anderen Faktoren um 21 Prozent. Ein FAD von unter 5 Jahren verringerte das Sterberisiko dagegen um 17 Prozent.

Das Modell FAHR-FaceSurvival wurde mithilfe von Gesichtsfotos von 3.820 Krebspatientinnen und Krebspatienten getestet: Während 53 Prozent der Betroffenen mit den höchsten Risikowerten (0,9 bis 1) innerhalb von 90 Tagen verstarben, lag dieser Anteil bei Patienten mit den niedrigsten Werten (0 bis 0,1) bei nur 2 Prozent.

Auch der Lebensstil beeinflusst die Gesichtsalterung

Die Forscher stellten außerdem fest, dass Lebensstilfaktoren die Gesichtsalterung beeinflussen. So gingen beispielsweise starker Alkoholkonsum, Drogenkonsum und Rauchen mit einem biologisch älteren Aussehen einher. Beim Rauchen zeigte sich der deutlichste Zusammenhang: Aktuelle Raucher wirkten älter als Ex-Raucher, und Ex-Raucher wiederum älter als Nichtraucher.

„Angesichts der alternden Bevölkerung benötigen Ärzte bessere Methoden, um die körperliche Reserve und Gebrechlichkeit einzuschätzen, bevor sie intensive Behandlungen wie Bestrahlung, Operationen oder systemische Therapien empfehlen“, erläuterte der korrespondierende Autor Dr. Raymond Mak, Strahlentherapeut am Mass General Brigham Cancer Institute und Mitglied des Lehrkörpers im Programm „Künstliche Intelligenz in der Medizin“ (AIM) am Mass General Brigham. „Unser Ziel ist es, die auf Gesichtsfotos basierende Gesundheitsbewertung quantitativer, konsistenter und skalierbarer zu gestalten, damit sie personalisierte Behandlungsentscheidungen unterstützt, anstatt das ärztliche Urteil zu ersetzen.“

Haugg F et al. „Foundation Artificial Intelligence Models for Health Recognition Using Face Photographs (FAHR-Face): a model development and validation study“, Lancet Digital Health, DOI: 10.1016/j.landig.2026.101056

Melden Sie sich hier zum zm Online-Newsletter an

Die aktuellen Nachrichten direkt in Ihren Posteingang

zm Online-Newsletter


Sie interessieren sich für einen unserer anderen Newsletter?
Hier geht zu den Anmeldungen zm starter-Newsletter und zm Heft-Newsletter.

Zum Seitenanfang springen