Um novo algoritmo de inteligência artificial desenvolvido nos Estados Unidos estimou a idade biológica de pacientes com câncer a partir de uma foto facial, revelando correlações com a sobrevida. O estudo foi publicado na The Lancet Digital Health na segunda‑feira, 19 de maio de 2024, e os testes foram realizados em centros oncológicos norte‑americanos. A pesquisa traz uma abordagem não invasiva que pode mudar a forma como oncologistas avaliam o risco de mortalidade.
Como funciona o algoritmo FAHR
O sistema, batizado FAHR‑FaceAge, foi treinado com mais de 40 milhões de imagens de rostos humanos, permitindo que a IA reconheça sutis marcadores de envelhecimento. Ele analisa sulcos nasolabiais – a região que vai do nariz aos cantos da boca, popularmente chamada de “bigode chinês” – para estimar a idade biológica.
Um segundo modelo, FAHR‑FaceSurvival, concentra‑se na área abaixo dos olhos e ao redor do nariz, regiões historicamente associadas a sinais de desgaste físico intenso. Essas áreas são observadas por médicos experientes há séculos, mas a IA consegue mensurá‑las com precisão numérica.
O algoritmo não “vê” nada que o médico não perceba; ele apenas quantifica com maior exatidão características que antes eram avaliadas de forma subjetiva. Segundo o hematologista Phillip Bachour, coordenador do Serviço de Transplante de Medula Óssea do Hospital Alemão Oswaldo Cruz, a IA transforma descrições como “olhos fundos” ou “cansaço profundo” em dados mensuráveis.
Resultados e implicações clínicas
Os pesquisadores compararam a idade facial estimada com a idade cronológica dos pacientes submetidos à radioterapia nos EUA. Quando a idade facial era pelo menos cinco anos maior que a cronológica, o risco de morte aumentou 21 %.
Em contraste, pacientes cuja idade facial era cinco anos inferior à cronológica apresentaram 17 % menos risco de mortalidade. Esses números indicam que a aparência facial pode refletir o estado fisiológico interno de forma relevante.
Além da idade facial, a prática oncológica já utiliza ferramentas como a Escala ECOG, que classifica a capacidade funcional do paciente de 0 a 5, e o estadiamento tumoral, que define tamanho, localização e extensão da doença. A IA pode complementar esses critérios, oferecendo um indicador adicional de vulnerabilidade.
- Escala ECOG – avaliação de autonomia e desempenho.
- Estadiamento – definição do estágio anatômico do tumor.
- Perfil molecular – análise de mutações e marcadores genéticos.
- Condição clínica geral – comorbidades e estado nutricional.
Gustavo Andreazza Laporte, cirurgião oncológico da SBCO, ressalta que ainda não se sabe exatamente quais características faciais são mais decisivas para o algoritmo, nem se elas trazem benefício adicional frente à avaliação clínica tradicional.
No entanto, a possibilidade de obter um prognóstico rápido e de baixo custo pode ser particularmente útil em ambientes com recursos limitados, onde exames avançados nem sempre estão disponíveis.
Desafios e perspectivas futuras
Embora os resultados sejam promissores, a tecnologia ainda enfrenta barreiras éticas e técnicas. A privacidade das imagens faciais, a necessidade de validação em populações diversas e a explicabilidade dos modelos são questões que precisam ser resolvidas.
Os autores do estudo sugerem que futuros trabalhos devem investigar quais marcadores específicos são capturados pela IA e como integrá‑los a protocolos de decisão clínica. A transparência dos algoritmos será fundamental para ganhar a confiança dos profissionais de saúde.
Outra frente de pesquisa envolve a aplicação da IA em outras doenças crônicas, como doenças cardiovasculares e neurodegenerativas, onde a aparência facial também pode refletir alterações fisiológicas.
Se validada em larga escala, a ferramenta pode ser incorporada a aplicativos de telemedicina, permitindo que pacientes enviem selfies para uma avaliação preliminar de risco antes de consultas presenciais.
Em resumo, a IA que analisa fotos faciais representa um passo significativo rumo a uma medicina mais personalizada, ao transformar detalhes visuais em dados clínicos robustos. O caminho ainda é longo, mas a combinação de tecnologia avançada e prática médica tradicional promete melhorar a precisão prognóstica e otimizar o tratamento de pacientes com câncer.
