AI Baca Risiko Kanker dari Foto Wajah, Apa Temuannya?

Peneliti dari Mass General Brigham di Massachusetts, Amerika Serikat, mengembangkan kecerdasan buatan (AI) yang dapat memperkirakan usia biologis dan memprediksi peluang bertahan hidup pasien kanker melalui foto wajah. Temuan yang dipublikasikan di jurnal The Lancet Digital Health ini membuka kemungkinan foto sederhana menjadi salah satu sumber informasi tambahan bagi tenaga medis.

Model tersebut dilatih menggunakan lebih dari 40 juta foto wajah dari orang-orang dengan beragam usia dan latar belakang etnis. Peneliti menyebut sistem ini mampu mengenali pola pada wajah yang berhubungan dengan kondisi kesehatan, termasuk kelangsungan hidup pasien kanker.

Dua model AI membaca wajah dengan cara berbeda

Penelitian ini memperkenalkan dua perangkat yang dikembangkan dari model dasar yang sama, yakni FAHR-FaceAge dan FAHR-FaceSurvival. Keduanya sama-sama menganalisis foto wajah, tetapi dirancang untuk menghasilkan perkiraan yang berbeda.

FAHR-FaceAge digunakan untuk memperkirakan usia biologis seseorang. Usia biologis menggambarkan kondisi tubuh yang tercermin dari sejumlah karakteristik, dan tidak selalu sama dengan usia kronologis atau angka usia sebenarnya. Model ini juga digunakan untuk memperkirakan kelangsungan hidup pasien kanker.

Sementara itu, FAHR-FaceSurvival menilai peluang bertahan hidup secara langsung dari foto. Dengan demikian, model tersebut tidak perlu lebih dulu menghitung usia biologis untuk menghasilkan perkiraan mengenai kelangsungan hidup.

Kedua sistem itu juga tampak memberi perhatian pada bagian wajah yang berbeda. FAHR-FaceAge menyoroti lipatan dari sisi hidung ke sudut mulut, dahi di atas rongga mata, serta pelipis. FAHR-FaceSurvival lebih banyak mengevaluasi area bawah mata dan sekitar pangkal hidung.

Hugo Aerts, salah satu penulis senior penelitian, mengatakan model tersebut membawa analisis kesehatan berbasis wajah ke tahap berikutnya. “Sepengetahuan kami, ini adalah demonstrasi pertama bahwa model AI dapat secara langsung memprediksi kelangsungan hidup pasien kanker dari sebuah foto sederhana,” ujarnya.

Risiko kematian dan perkiraan usia dari wajah

Salah satu temuan penelitian terlihat pada pasien kanker di Amerika Serikat yang menjalani radioterapi. Dalam kelompok tersebut, pasien yang dinilai FAHR-FaceAge tampak lima tahun atau lebih tua daripada usia sebenarnya memiliki risiko kematian 21 persen lebih tinggi dibandingkan kelompok lain.

Perbandingan itu dihitung selama masa tindak lanjut rata-rata empat tahun. Sebaliknya, pasien yang diperkirakan tampak lima tahun atau lebih muda dari usia sebenarnya memiliki risiko kematian 17 persen lebih rendah.

Angka-angka tersebut menggambarkan hubungan dalam kelompok yang diteliti, bukan ramalan pasti untuk setiap individu. Peneliti juga tidak menyimpulkan bahwa tampak lebih tua secara langsung menyebabkan risiko kematian meningkat.

Karakteristik wajah yang dikenali AI diduga dapat mencerminkan kondisi fisik seseorang, termasuk kemampuan tubuh menghadapi pengobatan. Namun, temuan tersebut masih berupa keterkaitan yang teramati dalam penelitian, bukan bukti bahwa penampilan wajah menentukan hasil perawatan.

Aerts menjelaskan, salah satu kemajuan teknisnya adalah kemampuan FAHR-Face mempelajari representasi umum wajah dari kumpulan data besar. Representasi itu kemudian dapat disesuaikan untuk memperkirakan hasil kesehatan yang berbeda, seperti usia biologis dan kelangsungan hidup.

“Pendekatan model dasar ini memberi kita cara yang terukur untuk mengembangkan berbagai biomarker kesehatan wajah daripada melatih setiap model dari awal,” kata Aerts.

Foto wajah belum menggantikan penilaian dokter

Dalam konteks penelitian ini, biomarker berarti indikator biologis yang dapat membantu menilai kondisi kesehatan. Analisis wajah berpotensi menjadi alat bantu yang relatif sederhana dan murah, tetapi hasil penelitian tidak menyatakan bahwa foto selfie dapat menggantikan pemeriksaan atau penilaian klinis.

Perkiraan yang dihasilkan AI juga perlu dipahami dengan cermat. Risiko yang lebih tinggi atau lebih rendah pada kelompok penelitian tidak memastikan apa yang akan terjadi pada seorang pasien tertentu. Karena itu, hasil semacam ini tidak semestinya dibaca sebagai diagnosis ataupun kepastian mengenai peluang hidup seseorang.

Peneliti mengembangkan model dari lebih dari 40 juta gambar agar sistem dapat mempelajari pola umum dan kemudian menyesuaikannya untuk berbagai indikator kesehatan. Pendekatan itu dinilai memungkinkan pengembangan sejumlah biomarker wajah tanpa harus membangun setiap model dari awal.

Temuan ini menunjukkan arah baru pemanfaatan AI dalam penelitian kesehatan: informasi yang tampak sederhana dapat membantu mengungkap pola yang sulit dikenali secara langsung. Namun, sebelum analisis wajah menjadi bagian dari pengambilan keputusan medis, manfaat dan batasannya perlu dipahami sebagai pendukung informasi, bukan penentu tunggal perawatan.