Cukup Foto Selfie, AI Baru Diklaim Bisa Prediksi Peluang Hidup Pasien Kanker

LONDON – Sebuah foto wajah atau swafoto kini berpotensi membantu dokter memperkirakan peluang hidup pasien kanker. Para peneliti mengembangkan teknologi kecerdasan buatan (AI) yang mampu memperkirakan usia biologis seseorang sekaligus memprediksi kelangsungan hidup pasien kanker hanya dari foto wajah biasa.

Teknologi yang dikembangkan para ahli di Mass General Brigham, sistem layanan kesehatan akademis terintegrasi nirlaba di Massachusetts, Amerika Serikat, ini menjadi salah satu demonstrasi paling komprehensif tentang pemanfaatan analisis wajah berbasis AI untuk menilai kondisi kesehatan seseorang.

Dilansir The Guardian, Senin (19/10), penelitian tersebut menunjukkan bahwa AI tidak hanya dapat memperkirakan seberapa tua seseorang terlihat, tetapi juga mengidentifikasi pola pada wajah yang berkaitan dengan peluang bertahan hidup pasien kanker.

Temuan ini dipublikasikan dalam jurnal The Lancet Digital Health. Para peneliti melatih sistem tersebut menggunakan data lebih dari 40 juta foto wajah dari orang-orang dengan beragam usia dan latar belakang etnis.

Hasilnya membuka kemungkinan penggunaan foto wajah sebagai alat bantu medis yang relatif sederhana dan murah untuk mendukung dokter dalam menentukan strategi perawatan pasien.

Dua Model AI, Dua Cara Membaca Risiko Kesehatan

Para peneliti mengembangkan dua alat yang saling melengkapi dari model AI yang sama, yakni FAHR-FaceAge dan FAHR-FaceSurvival.

FAHR-FaceAge dirancang untuk memperkirakan usia biologis seseorang, yaitu gambaran usia berdasarkan karakteristik tubuh yang tidak selalu sama dengan usia kronologis atau usia sebenarnya. Model ini juga digunakan untuk memprediksi kelangsungan hidup pasien kanker.

Sementara itu, FAHR-FaceSurvival bekerja dengan pendekatan berbeda. Model ini memperkirakan peluang bertahan hidup pasien kanker secara langsung dari foto wajah, bukan melalui perhitungan usia biologis terlebih dahulu.

Meski berasal dari model dasar yang sama, kedua alat tersebut menangkap informasi kesehatan yang berbeda dan saling melengkapi.

Menariknya, masing-masing algoritma juga mengandalkan area wajah yang berbeda untuk menghasilkan prediksi.

FAHR-FaceAge memberikan perhatian pada lipatan yang membentang dari sisi hidung hingga sudut mulut, bagian dahi tepat di atas rongga mata, serta area pelipis.

Adapun FAHR-FaceSurvival lebih banyak mengevaluasi area di bawah mata dan di sekitar pangkal hidung.

Hugo Aerts, salah satu penulis senior penelitian tersebut, mengatakan model ini membawa analisis kesehatan berbasis pengenalan wajah ke tahap yang lebih maju.

“FAHR-FaceSurvival memajukan bidang AI pengenalan kesehatan wajah selangkah lebih maju dengan mempelajari risiko kelangsungan hidup secara langsung dari foto wajah pasien kanker,” kata Aerts.

“Sepengetahuan kami, ini adalah demonstrasi pertama bahwa model AI dapat secara langsung memprediksi kelangsungan hidup pasien kanker dari sebuah foto sederhana,” ujarnya.

Pasien yang Tampak Lebih Tua Berisiko Kematian Lebih Tinggi

Salah satu temuan penting penelitian ini terlihat pada pasien kanker di Amerika Serikat yang menjalani radioterapi.

Pasien yang menurut perkiraan FAHR-FaceAge tampak lima tahun atau lebih tua dibandingkan usia sebenarnya memiliki risiko kematian 21 persen lebih tinggi selama masa tindak lanjut rata-rata empat tahun dibandingkan kelompok lainnya.

Sebaliknya, pasien yang terlihat lima tahun atau lebih muda dari usia sebenarnya memiliki risiko kematian 17 persen lebih rendah.

Temuan tersebut menunjukkan adanya hubungan antara perkiraan usia biologis berdasarkan wajah dan peluang bertahan hidup pasien kanker.

Para peneliti menduga karakteristik wajah yang ditangkap AI dapat mencerminkan kondisi fisik seseorang, termasuk kemampuan tubuh menghadapi pengobatan.

Meski demikian, angka tersebut merupakan perbandingan risiko dalam kelompok yang diteliti, bukan kepastian mengenai nasib setiap pasien. Hasil itu juga tidak berarti bahwa penampilan yang lebih tua secara langsung menyebabkan risiko kematian meningkat.

Aerts menjelaskan, kemajuan utama penelitian ini terletak pada kemampuan model AI mempelajari pola umum wajah dari kumpulan data yang sangat besar, kemudian menerapkannya untuk memperkirakan berbagai indikator kesehatan.

“Kemajuan teknis utama adalah bahwa FAHR-Face mempelajari representasi umum wajah dari lebih dari 40 juta gambar, yang kemudian dapat diadaptasi ke hasil kesehatan yang berbeda seperti usia biologis dan kelangsungan hidup,” kata Aerts.

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

Biomarker merupakan indikator biologis yang dapat digunakan untuk membantu menilai kondisi kesehatan seseorang.

Gaya Hidup Juga Terkait dengan Penuaan Wajah

Penelitian ini turut menemukan hubungan antara sejumlah kebiasaan hidup dan penampilan wajah yang dinilai lebih tua secara biologis oleh AI.

Konsumsi alkohol berlebihan, penggunaan narkoba, dan kebiasaan merokok dikaitkan dengan penampilan wajah yang lebih tua dalam analisis FAHR-FaceAge.

Temuan tersebut memperkuat kemungkinan bahwa karakteristik wajah dapat menyimpan petunjuk mengenai kondisi kesehatan dan proses penuaan seseorang.

Namun, hasil analisis AI tidak dapat digunakan untuk memastikan kebiasaan hidup atau kondisi medis seseorang hanya berdasarkan penampilannya.

Para peneliti juga menguji kemampuan model menghadapi variasi foto dalam kondisi nyata, termasuk perbedaan pose, pencahayaan, ekspresi wajah, dan penggunaan riasan.

Raymond Mak, ahli onkologi radiasi di Mass General Brigham, mengatakan FAHR-FaceAge menunjukkan hasil yang relatif konsisten dalam berbagai variasi foto tersebut.

“Temuan mengejutkan lainnya adalah betapa konsistennya FAHR-FaceAge di berbagai variasi foto dunia nyata, termasuk pose, pencahayaan, ekspresi wajah, dan riasan,” kata Mak.

Menurut dia, hasil model juga relatif stabil pada sebagian besar prosedur bedah plastik yang diuji. Perubahan yang diamati setelah operasi hidung atau rinoplasti hanya sedikit.

Bisa Membantu Dokter Memilih Perawatan, Bukan Menggantikan Penilaian Medis

Teknologi ini berpotensi membantu dokter memperkirakan risiko kematian atau komplikasi sebelum pasien menjalani operasi besar, radioterapi, maupun pengobatan kanker lainnya.

Informasi mengenai usia biologis dan kondisi fisik pasien dapat menjadi pertimbangan tambahan ketika dokter harus memilih antara sejumlah pilihan perawatan, terutama terapi intensif yang memiliki risiko tertentu.

Mak mengatakan kebutuhan terhadap metode penilaian kesehatan yang lebih baik semakin penting seiring bertambahnya usia populasi.

“Seiring bertambahnya usia populasi, dokter membutuhkan cara yang lebih baik untuk memperkirakan cadangan fisik dan kerapuhan sebelum merekomendasikan perawatan intensif seperti radiasi, pembedahan, atau terapi sistemik,” kata Mak.

Ia menegaskan, tujuan pengembangan teknologi ini adalah membuat penilaian kesehatan berbasis foto wajah menjadi lebih terukur, konsisten, dan dapat diterapkan secara luas.

“Tujuan kami adalah membuat penilaian kesehatan berbasis foto wajah menjadi lebih kuantitatif, konsisten, dan terukur sehingga dapat mendukung keputusan perawatan yang dipersonalisasi, bukan menggantikan penilaian dokter,” ujarnya.

Meski menawarkan potensi besar, teknologi ini belum dapat dianggap sebagai alat yang mampu menentukan secara pasti berapa lama seorang pasien kanker akan bertahan hidup.

Para peneliti menekankan bahwa studi lebih lanjut masih diperlukan sebelum sistem tersebut dapat digunakan secara luas dalam praktik medis.

Dengan demikian, foto wajah berpotensi menjadi sumber informasi tambahan untuk membantu dokter memahami kondisi pasien secara lebih menyeluruh. Namun, keputusan pengobatan tetap harus mempertimbangkan pemeriksaan klinis, kondisi kesehatan secara keseluruhan, karakteristik kanker, serta respons pasien terhadap terapi.