Trent på 40 millioner ansikter: FAHR-Face estimerer alder og overlevelsesrisiko fra ett bilde
Forskere ved Mass General Brigham har bygget en grunnmodell trent på over 40 millioner ansiktsbilder og tilpasset den til to verktøy: ett som estimerer biologisk alder og ett som predikerer kreftoverlevelse direkte fra et enkelt fotografi. Studien er publisert i Lancet Digital Health – men verktøyene er ikke i klinisk bruk, og forskerne understreker at målet er å støtte, ikke erstatte, legens vurdering.
Forskere ved Mass General Brigham, et ideelt akademisk helsesystem i Massachusetts, har utviklet et AI-system som kan estimere biologisk alder og predikere overlevelse hos kreftpasienter ut fra ett enkelt ansiktsfotografi. Studien bak verktøyene er publisert i tidsskriftet Lancet Digital Health og ble omtalt av The Guardian, The Mirror og gjennom en pressemelding fra institusjonen 19.–20. oktober 2026.
Fra grunnmodell til to verktøy
Systemet heter FAHR-Face, forkortelse for Foundation Artificial Intelligence for Health Recognition. Det er en såkalt grunnmodell trent på data fra mer enn 40 millioner ansiktsfotografier med et bredt spekter av etnisiteter og aldre, ifølge pressemeldingen fra Mass General Brigham (Medical Xpress).
Grunnmodellen er deretter tilpasset til to spesialiserte verktøy. FAHR-FaceAge estimerer en persons biologiske alder ut fra ansiktet, mens FAHR-FaceSurvival predikerer overlevelsesrisiko hos kreftpasienter direkte fra fotografiet.
Ifølge The Guardian (theguardian.com) er dette «en av de mest omfattende demonstrasjonene til nå» av hvordan AI-analyse av en selfie kan bidra til å vurdere en pasients helse og potensielt styre medisinsk behandling.
Tallene bak studien
FaceAge-verktøyet – som The Mirror omtaler som forløperen til verktøyene i studien – ble trent på data fra 58 851 antatt friske personer på 60 år eller eldre. Forskerne undersøkte deretter data fra 6 196 pasienter med kreftdiagnoser fra to institusjoner i Nederland og USA, skriver The Mirror (mirror.co.uk).
Resultatene som omtales fra studien, omfatter blant annet:
- Blant kreftpasienter behandlet med stråleterapi i USA hadde de som ifølge FAHR-FaceAge så fem eller flere år eldre ut enn sin faktiske alder, 21 prosent høyere risiko for å dø i løpet av oppfølgingstiden på i snitt fire år enn resten av gruppen. De som så fem eller flere år yngre ut, hadde 17 prosent lavere risiko.
- Kreftpasienter så i gjennomsnitt omtrent fem år eldre ut biologisk enn sin kronologiske alder, sammenlignet med personer uten sykdommen.
- Røykere hadde en ansiktsbiologisk alder omtrent tre år høyere enn ikke-røykere. Det var ifølge studiens forfattere ingen signifikant forskjell mellom tidligere røykere og de som aldri hadde røyket.
Forskerne fant også at de to verktøyenes prediksjoner bare var svakt korrelert, men at begge forble uavhengig assosiert med overlevelse når de ble analysert sammen. Å kombinere de to målene forbedret dessuten modellenes tilpasning i en ekstern valideringskohorte av kreftpasienter, opplyser Mass General Brigham (Medical Xpress).
Ansiktet leses ulikt av de to verktøyene
Ifølge The Guardian fokuserer de to algoritmene på ulike deler av ansiktet:
- FAHR-FaceAge legger vekt på nasolabialfoldene – foldene som løper fra nesesidene ned til munnvikene – pannen rett over øyehulene og tinningene.
- FAHR-FaceSurvival vurderer området under øynene og rundt nasalbroen.
At verktøyene leser ulike regioner og gir svakt korrelerte, men hver for seg signifikante prediksjoner, er en del av det som gjør kombinasjonen meningsfull i studiens datamateriale.
Forskerne: Støtte, ikke erstatning
Hugo Aerts, en av studiens to overordnede forfattere, fremhever i pressemeldingen at dette er noe nytt. «FAHR-FaceSurvival bringer feltet for AI-basert ansiktshelsetjeneste et skritt videre ved å lære overlevelsrisiko direkte fra ansiktsfotografier av kreftpasienter,» sier han, og legger til: «Så langt vi vet, er dette den første demonstrasjonen av at en AI-modell kan predikere kreftoverlevelse direkte fra et enkelt fotografi» (Medical Xpress).
Raymond Mak, korresponderende forfatter og stråleonkolog ved Mass General Brigham, understreker at verktøyet er tenkt som et hjelpemiddel for leger. «Målet vårt er å gjøre helsevurdering basert på ansiktsfotografier mer kvantitativ, konsistent og skalerbar, slik at den kan støtte individualiserte behandlingsbeslutninger fremfor å erstatte legens vurdering,» sier han.
Ikke et klinisk verktøy – ennå
Det er verdt å holde fast ved hva dette faktisk er: beskrivelser av forskernes egne resultater, formidlet gjennom pressemeldinger og presseomtale av studien. Verktøyene er ikke i klinisk bruk, og kildene peker på et potensial for å kunne bidra i behandlingsvurderinger – ikke på etablert implementering.
Flere forbehold følger med. Tallene er fremstilt av studiens forfattere via sekundærkilder. Verktøyene predikerer risiko på gruppenivå i studiens kohorter – de kan ikke «spå» individuelt utfall med sikkerhet, og forskerne selv framhever at målet er å supplere klinisk skjønn.
Åpne spørsmål gjenstår: hvordan verktøyene fungerer på andre pasientgrupper enn strålebehandlede kreftpasienter, hvilke mekanismer som ligger bak sammenhengen mellom ansiktsbiologi og overlevelse, og hvor robuste prediksjonene er på tvers av befolkningsgrupper. Det er dessuten uavklart i omtalen hvordan The Mirrors valideringstall (58 851 friske og 6 196 kreftpasienter) forholder seg til de 40 millioner bildene grunnmodellen ble trent på – sannsynligvis gjelder de ulike trinnene i utviklingen, men kildene gir ikke full oversikt.
Studien er likevel et konkret eksempel på hvordan store generelle bildegrunnmodeller kan finjusteres til spesifikke kliniske spørsmål – her biologisk alder og overlevelse – og på at forskningen selv holder bevisst avstand til klinisk bruk. Spørsmålet framover er hva som kreves før slike verktøy kan tas trygt i bruk på sykehus.