Brzmi jak coś na granicy medycyny i science fiction, ale temat jest poważny: zespół z Mass General Brigham opisał model AI, który na podstawie zdjęcia twarzy pacjenta z rakiem szacuje ryzyko zgonu w krótkim terminie. Publikacja ukazała się 19 października 2026 roku w „Lancet Digital Health” i na razie mówi raczej o potencjale narzędzia niż o gotowym standardzie leczenia.

TL;DR

  • Model FAHR-FaceSurvival wytrenowany na ponad 40 mln zdjęć twarzy bezpośrednio przewiduje przeżycie pacjentów z rakiem
  • W grupie testowej 64 z 122 pacjentów z najwyższym ryzykiem zmarło w ciągu 90 dni od zdjęcia
  • Pacjenci z rakiem wyglądają średnio o 5 lat starsi biologicznie niż ich wiek chronologiczny
  • Narzędzie uzupełnia ocenę lekarzy w opiece paliatywnej i gdy brakuje pełnych danych klinicznych
  • Badanie pochodzi z Mass General Brigham i ukazało się w Lancet Digital Health 19 października 2026

Mass General Brigham: czym jest model FAHR-Face?

Zespół kierowany przez Raymonda Maka z Mass General Brigham Cancer Institute i Hugo Aertsa, dyrektora programu AI in Medicine, opisał model fundacyjny FAHR-Face. Według opisu badania algorytm trenowano najpierw na ponad 40 mln zdjęć twarzy bez przypisanego jednego zadania, a dopiero później dostrojono go do dwóch zastosowań: oceny wieku biologicznego i przewidywania przeżycia u pacjentów onkologicznych.

Najgłośniejsza część pracy dotyczy wariantu FAHR-FaceSurvival. To właśnie on ma oceniać ryzyko zgonu bezpośrednio ze zdjęcia twarzy, zamiast przechodzić przez pośredni wskaźnik wieku biologicznego. Autorzy przedstawiają to jako pierwszą taką demonstrację w literaturze medycznej.

Co dokładnie pokazały dane z badania?

W jednej z kohort testowych, jak podają autorzy pracy, analizowano 3820 pacjentów z rakiem. W grupie 122 osób z najwyższym wynikiem ryzyka 64 osoby zmarły w ciągu 90 dni od wykonania zdjęcia. To nie jest jeszcze dowód, że twarz „mówi wszystko”, ale pokazuje, że model wychwytuje sygnał powiązany z rokowaniem.

W większej grupie obejmującej ponad 38 tys. pacjentów osoby wyglądające na starsze niż wskazuje ich wiek metrykalny miały wyższe ryzyko zgonu. Badacze piszą też, że model szacujący wiek biologiczny mylił się średnio o około pięć lat, a pacjenci onkologiczni wyglądali przeciętnie na starszych niż osoby bez raka.

Po co onkologom taki model i gdzie miałby pomóc?

Najbardziej oczywiste zastosowanie dotyczy sytuacji, w których lekarz musi szybko ocenić stan chorego, a pełne dane kliniczne nie są jeszcze dostępne. Chodzi zwłaszcza o opiekę paliatywną, planowanie intensywności leczenia i rozmowę o rokowaniu. To obszar trudny także dla doświadczonych klinicystów.

W tekście pada też ważny kontekst: wcześniejsze narzędzie FaceAge z 2025 roku miało poprawiać trafność prognoz lekarzy przy ocenie przeżycia powyżej lub poniżej sześciu miesięcy. Nowa wersja idzie o krok dalej, bo zamiast wieku biologicznego ocenia krótkoterminowe rokowanie bezpośrednio ze zdjęcia. Jeśli takie wyniki utrzymają się poza laboratorium, mówimy o realnym wsparciu, a nie o medycznej ciekawostce.

Dlaczego wobec FAHR-Face trzeba zachować chłodną głowę?

Sami autorzy zaznaczają, że model wymaga dalszej walidacji w różnych szpitalach, populacjach i grupach etnicznych. To zresztą standardowy problem dla medycznych systemów AI: dobrze działają na danych badawczych, a potem zderzają się z mniej uporządkowaną praktyką kliniczną. Tutaj stawka jest wysoka, bo chodzi o decyzje wokół leczenia i końca życia.

Model nie zastępuje diagnostyki ani oceny lekarza. Ma być dodatkiem do istniejących metod, nie automatem od wyroków. W polskim kontekście podobne narzędzia AI testuje się już choćby w mammografii, ale droga od publikacji do rutynowego użycia bywa długa. Sceptycyzm jest tu zdrowy.

Źródła:

The Guardian, Scientific American, Bloomberg, The Straits Times, dpa international, Lancet Digital Health, Mass General Brigham

Najczęściej zadawane pytania