(CNN) 顔写真を撮るだけでがん患者の全般的な健康状態や余命が判定できるという人工知能(AI)モデルが開発された。医師によるがん患者の生存可能性診断や最善の治療法の見極めを支援できるツールとして期待されている。
AIモデルは米マス・ジェネラル・ブリガムの研究チームが開発し、10月19日の科学誌ランセット・デジタル・ヘルスに発表した。
「1枚の顔写真だけで死亡リスクの兆候を検出できることが分かって非常に驚いた」。論文著者のレイモンド・マック氏はそうコメントしている。
同モデルには顔の画像4000万枚あまりを学習させており、顔のさまざまな部位を分析して、がん患者の全般的な健康状態と、細胞や身体の加齢度を表す生物学的年齢を推定する。
マック氏によれば、生物学的年齢の判定では、こめかみの周辺や額、目の上、鼻から口角にかけてのほうれい線に着目する。
一方、余命判定は鼻筋や目の下の領域に着目しているという。
顔のこの領域については、古代ギリシャの哲学者で医師だったヒポクラテスが紀元前400年ごろに記した「予後論」の中で言及。「鼻がとがって目が落ち窪み、こめかみが窪んだ」状態を、筋肉の衰えや死亡リスクを表す徴候と指摘していた。
マック氏は「我々の診断法が、数千年前のヒポクラテスの知恵を再現しているかもしれないと思い至って非常に驚いた」と話す。
ただし、AIにヒポクラテスの古代文献を学習させたわけではないとマック氏は強調し、「顔写真と、その人が死亡したかどうか、あるいは死亡した年齢のみを学習させた」と説明した。
研究チームはさまざまな年齢や民族的背景をもつ4000万人以上の顔写真をAIに学習させた上で調整を加え、1枚の顔写真から生物学的年齢を推定するモデルと、がん患者の余命を推定するモデルを開発した。
余命判定モデルを実際に使った調査では、死亡リスクが高いと判定されたがん患者122人のうち、半数超の52.5%が、判定通り90日以内に死亡した。対照的に、死亡リスクが最も低いと判定された975人の場合、90日以内に死亡した患者は約2%にとどまった。
生物学的年齢推定モデルでは、生物学的年齢が実年齢を20年以上上回った患者1060人は、21%が90日以内に死亡した。一方、生物学的年齢が実年齢より10年以上若いと診断された4195人のうち、90日以内に死亡した患者は約6%だった。
美容整形手術やボトックス注射、化粧などによって顔を変えても、AIモデルの判定に影響は出なかったとしている。
有望な概念実証
研究チームは今回のAIモデルについて、医師や現行の臨床診断の代替とする意図はないと強調。将来的に医師による患者の健康状態の診断や、治療方針の決定に役立つ可能性のある新興ツールと位置付けている。
「もしも老化の加速や死亡リスク上昇の兆候を早期にとらえることができれば、そうした人の検査を行ったり、重大な疾患の発見に向けてさらなる検査の恩恵を受けられる患者を特定したりすることができるかもしれない」
マック氏はそう語り、今回の調査はがん患者のみを対象としているが、今後研究を進めれば、長寿に関心のある健康な人についても同様の結果が出るかどうかが明らかになり得ると話している。
この研究について、AI技術の利用は興味深いとしながらも、臨床的な評価は必要だと指摘するのは米エモリー大学のウィルバー・ラム教授(同研究にはかかわっていない)。
「この研究は非常に説得力がある。大規模データセットに基づき、顔の画像を生物学的年齢やがん死亡リスクと結び付けている。ただし、真の臨床的有用性については今後の研究を通じて実証していく必要がある」。ラム氏は電子メール取材に対してそう指摘した。
さらに、「著者らも言及している通り、同ツールを特定の下位集団に対して正確に使用できるかどうかは、依然として疑問がある」「例えば、この技術を臨床現場に導入するためには、特定の顔の特徴や肌の色、あるいは年齢層の人々に対してどの程度効果があるのかについても検証する必要がある」とした。
英サリー大学のミロスワフ・ボバー教授(今回の研究にはかかわっていない)も、今回の研究について英サイエンス・メディア・センターが発表した声明の中で、放射線治療を受けているがん患者の顔つきと生存率との統計的な関係を裏付ける「説得力のある証拠」と評価した。
ただ、「結果を予測することと、それについて説明することは違う。『生物学的年齢』と言ってはいても、AIは根底にある生物学的な老化プロセスを直接測定しているわけではなく、顔の見た目から年齢を推定しているに過ぎない」とボバー氏は言う。
その上で、「患者の全般的な健康状態や身体機能に関する医師の診断以上に有用な臨床情報が、こうしたAI診断によって加わることは示されていない」「有望な概念実証ではあるが、医師の判断と照らし合わせてさまざまな病院や患者を対象としたテストを行う必要がある」と指摘している。

2 時間前
1







English (US) ·
Japanese (JP) ·