Una fotografía del rostro podría contener información sobre el estado de salud que todavía pasa inadvertida en una consulta médica. Una investigación publicada en The Lancet Digital Health ha desarrollado dos herramientas de inteligencia artificial capaces de analizar imágenes faciales y encontrar patrones relacionados con la edad biológica aparente y la supervivencia de pacientes con cáncer. Los resultados abren una posible vía para mejorar la evaluación clínica, aunque todavía no permiten utilizar estas predicciones como una prueba médica fiable.

El trabajo plantea una cuestión relevante para la oncología: hasta qué punto los signos visibles del envejecimiento pueden aportar información sobre la capacidad del organismo para afrontar una enfermedad grave. La respuesta podría ayudar a personalizar los tratamientos, especialmente en personas mayores o con una salud delicada, pero los investigadores advierten de que todavía es necesario comprobar qué hay detrás de las señales identificadas por los algoritmos.

Dos algoritmos para interpretar la información del rostro

El equipo investigador desarrolló dos sistemas con objetivos diferentes. El primero, denominado FAHR-FaceAge, calcula la edad que aparenta una persona a partir de una imagen facial. El segundo, FAHR-FaceSurvival, utiliza patrones visuales para clasificar a los pacientes oncológicos según su riesgo de mortalidad.

Para desarrollar el modelo de estimación de edad, los investigadores utilizaron más de 40 millones de imágenes faciales en el proceso de entrenamiento y evaluación de los sistemas. En una de las pruebas, FAHR-FaceAge analizó fotografías de 743.152 personas cuya edad cronológica era conocida. La diferencia media entre la edad real y la calculada por la inteligencia artificial fue de 5,1 años.

Al trasladar el análisis a pacientes tratados con radioterapia, la discrepancia aumentó hasta aproximarse a los siete años. Los autores consideran que esa diferencia podría aportar información sobre el envejecimiento biológico, entendido como el deterioro acumulado del organismo, que no siempre coincide con los años cumplidos.

Sin embargo, que una persona parezca mayor o menor de lo que indica su documento de identidad no significa automáticamente que su organismo esté envejeciendo más deprisa. La apariencia facial puede estar condicionada por múltiples factores, y el estudio todavía no demuestra cuáles explican la relación observada.

La diferencia de edad facial se relaciona con la mortalidad

Uno de los hallazgos más relevantes surgió al examinar los datos de 38.183 pacientes con cáncer que recibieron radioterapia. Según los resultados, quienes aparentaban al menos cinco años más que su edad cronológica presentaban un riesgo de muerte un 21 % superior al del grupo de comparación.

El segundo algoritmo también mostró diferencias importantes entre grupos. Los pacientes situados en la categoría de mayor riesgo calculado presentaron una mortalidad superior al triple de la registrada en el grupo con menor riesgo. El análisis tuvo en cuenta variables como la edad, el sexo, el tipo de cáncer y las características del tratamiento.

Estas cifras describen asociaciones estadísticas, no una relación de causa y efecto. La inteligencia artificial no demuestra que el envejecimiento facial provoque una peor evolución ni permite determinar, a partir de una imagen aislada, cuánto tiempo vivirá una persona.

La distinción es fundamental para interpretar el alcance de la investigación. Un modelo puede identificar patrones vinculados con un desenlace clínico sin conocer los mecanismos que los producen. Por eso, el valor de esta tecnología dependerá de que futuras investigaciones confirmen su precisión y establezcan qué información nueva aporta frente a las pruebas que ya utilizan los especialistas.

¿Puede una fotografía ayudar a elegir un tratamiento?

Raymond Mak, oncólogo radioterápico de Mass General Brigham y uno de los principales autores del trabajo, considera que estas herramientas podrían contribuir a evaluar de forma más objetiva el estado de salud de determinados pacientes. Una posible aplicación sería ayudar a identificar a personas mayores o frágiles que necesitan una valoración especialmente cuidadosa antes de recibir tratamientos intensivos.

La utilidad potencial no consiste en sustituir las decisiones médicas por una predicción automatizada, sino en incorporar información adicional a una evaluación que ya contempla numerosos factores. En oncología, la elección terapéutica depende, entre otros elementos, del estadio del tumor, sus características genéticas e histológicas, las enfermedades asociadas y la capacidad funcional del paciente.

Leonor Cerdá Alberich, corresponsable del Grupo de Investigación Biomédica en Imagen del Instituto de Investigación Sanitaria La Fe, subraya precisamente esa limitación: todavía es necesario determinar qué explica la relación entre los rasgos faciales y la supervivencia.

Para comprobar si la señal tiene una base biológica concreta, sería necesario compararla con indicadores empleados en la investigación sobre envejecimiento, como los relojes epigenéticos, los marcadores de inflamación, la función inmunitaria, la fuerza muscular y la capacidad cardiorrespiratoria.

Manel Esteller, investigador ICREA y jefe del Grupo de Epigenética del Cáncer del Instituto de Investigación Sant Pau, también considera que harán falta estudios posteriores que confirmen los resultados. La observación clínica del rostro lleva mucho tiempo presente en medicina, pero la inteligencia artificial permite examinar patrones complejos a una escala difícil de alcanzar mediante la valoración visual convencional.

Los sesgos y la falta de validación clínica frenan su aplicación

El equipo comprobó que la estimación de edad variaba poco ante cambios en el maquillaje, la iluminación, la expresión facial o el ángulo de la fotografía. También identificó diferencias entre las regiones del rostro utilizadas por ambos modelos: FAHR-FaceAge prestaba especial atención a los pliegues nasolabiales, la frente y las sienes, mientras que FAHR-FaceSurvival daba más importancia a la zona inferior de los ojos y al puente nasal.

Estos resultados no explican, por sí solos, qué procesos fisiológicos representan esas características. Tampoco garantizan que el rendimiento se mantenga en poblaciones distintas de aquellas con las que se desarrollaron los algoritmos.

Los propios investigadores reconocen que sus cohortes proceden principalmente de países de renta alta y que algunos grupos raciales están infrarrepresentados. Estas limitaciones pueden introducir sesgos y reducir la fiabilidad de las predicciones cuando se aplican a pacientes con características demográficas diferentes.

Cerdá Alberich plantea, además, una cuestión decisiva: comprobar si incorporar una fotografía facial mejora realmente los pronósticos que ya ofrecen los modelos clínicos habituales. Para ello, habría que comparar ambas alternativas en estudios específicos y determinar si la información visual aumenta la capacidad predictiva de forma significativa.

Los autores reclaman ensayos prospectivos que evalúen estas herramientas junto a los sistemas pronósticos convencionales antes de plantear su incorporación a la práctica asistencial.

El avance, por tanto, no consiste en que una máquina pueda determinar el destino de un paciente al observar su cara. Su interés reside en la posibilidad de encontrar señales adicionales que ayuden a comprender mejor la evolución de una enfermedad. Convertir esa posibilidad en una herramienta clínica exigirá demostrar que las predicciones son reproducibles, equitativas y útiles para tomar mejores decisiones médicas. @mundiario