Pesquisadores dos Estados Unidos desenvolveram um algoritmo que estima a idade biológica de uma pessoa a partir de uma fotografia de seu rosto. O sistema foi testado exclusivamente em pacientes com câncer e constatou que aparentar ser mais velho do que a idade cronológica estava associado a menor sobrevida, segundo estudo publicado na revista científica The Lancet Digital Health, na segunda-feira, 19.

O modelo foi treinado com mais de 40 milhões de imagens faciais para identificar indicadores de saúde a partir de selfies. Batizado de FAHR-FaceAge, uma das ferramentas desenvolvidas mapeia os sulcos nasolabiais, que vão das laterais do nariz até os cantos da boca, região popularmente conhecida como “bigode chinês” e que está associada ao envelhecimento.

Já o FAHR-FaceSurvival, o segundo algoritmo derivado do sistema, avalia a região abaixo dos olhos e ao redor do nariz, partes do rosto associadas à morte.

O algoritmo, portanto, não enxerga nada que seja invisível ao médico. A diferença é que ele mede com maior precisão aquilo que o profissional percebe “no olho”, explica o hematologista Phillip Bachour, coordenador do Serviço de Transplante de Medula Óssea e Terapia Celular do Hospital Alemão Oswaldo Cruz.

“Todo médico experiente conhece o rosto de um paciente muito debilitado: olhos fundos, rosto mais magro, têmporas afundadas, aquele aspecto de cansaço profundo. Essa descrição existe desde Hipócrates, o ‘pai da medicina’, há mais de 2 mil anos”, analisa Bachour, que não participou do estudo. “Não por acaso, é justamente na região abaixo dos olhos e ao redor do nariz que a ferramenta mais presta atenção”.

A IA foi desenvolvida por cientistas do Mass General Brigham, sistema de saúde, pesquisa e ensino médico sediado em Boston, nos EUA. Segundo o modelo, a diferença entre a idade biológica e a idade cronológica foi associada ao risco de morte.

Enquanto a idade cronológica capta apenas o tempo transcorrido desde o nascimento, a biológica mede o estado fisiológico do organismo a partir do estado físico e do envelhecimento do corpo.

Os resultados do estudo mostram que pacientes com câncer tratados com radioterapia nos Estados Unidos cuja idade facial estimada era pelo menos cinco anos superior à idade cronológica apresentaram risco de morte 21% maior em comparação com os demais participantes.

Já aqueles cuja idade facial estimada era pelo menos cinco anos inferior à idade cronológica apresentaram risco 17% menor em comparação com os demais pacientes que não se enquadravam nesse grupo.

Os dados, segundo os autores, sugerem que a aparência facial pode conter informações relevantes sobre a condição biológica do indivíduo. A expectativa é que a tecnologia possa apoiar decisões médicas no futuro, sendo uma alternativa não invasiva e de baixo custo para ajudar a identificar pacientes com menor probabilidade de tolerar tratamentos agressivos.

“Entretanto, ainda não é possível saber exatamente quais características o algoritmo identifica, nem se essas informações representam um benefício adicional em relação à avaliação clínica convencional”, pondera Gustavo Andreazza Laporte, cirurgião oncológico da Sociedade Brasileira de Cirurgia Oncológica (SBCO).

Laporte explica que, na oncologia, já são utilizadas ferramentas importantes para definir o prognóstico e a segurança dos tratamentos, como a avaliação da capacidade funcional do paciente, por meio da chamada “Escala ECOG”. Essa escala mede o nível de funcionalidade e autonomia de pacientes com câncer, variando de 0 a 5.

Outro critério que ajuda a definir a melhor terapia para o paciente é o estadiamento da doença, que determina o tamanho, a localização e a extensão do câncer no organismo. As características moleculares e genéticas do tumor e a avaliação das condições clínicas gerais também entram nessa conta.

“O potencial é muito significativo, já que, no futuro, essa tecnologia poderá contribuir para avaliações mais individualizadas, ajudando a identificar pacientes mais vulneráveis, antecipar riscos e escolher tratamentos mais seguros. Mas, para isso, ainda precisamos de estudos prospectivos que demonstrem não apenas a capacidade de prever riscos, mas também que utilizar essa informação melhora efetivamente os resultados dos pacientes“, reforça Laporte.

Risco de subestimar determinados grupos

Outra preocupação dos médicos é o risco de a ferramenta subestimar as chances de sobrevivência de determinados grupos e influenciar negativamente suas opções de tratamento.

Isso porque, embora o sistema tenha sido treinado com mais de 40 milhões de imagens faciais, os próprios autores reconhecem que os dados incluem exclusivamente pacientes com câncer provenientes principalmente de centros em países de alta renda, o que pode restringir a generalização dos resultados para outras doenças, regiões e grupos raciais sub-representados.

Cerca de 9 em cada 10 pacientes do estudo eram brancos, atendidos nos Estados Unidos e na Holanda.

“Em pacientes negros, asiáticos e latinos, a ferramenta foi muito menos testada. No caso dos latinos, os resultados não foram confiáveis. Ou seja, para um país miscigenado como o Brasil, isso significa que não sabemos se ela funciona para a nossa população“, avalia Bachour. “Rosto não é tudo igual”.

O médico considera que há o risco da “profecia que se cumpre sozinha”: se o programa diz que um paciente tem pouca chance de viver e, por isso, ele recebe um tratamento “mais leve”, a pessoa pode, de fato, viver menos. E o computador vai parecer ter acertado.

“O computador aprende com o passado, inclusive com as injustiças do passado”, alerta o oncologista. “Imagine que um grupo de pessoas tenha recebido, historicamente, menos tratamento e por isso vivido menos. O programa pode ‘aprender’ que esse grupo tem menos chance e repetir essa desigualdade”.

Tom de pele, traços de diferentes origens, a qualidade da foto e a iluminação também podem confundir o algoritmo, assim como o inchaço causado por remédios como a cortisona, cirurgias no rosto ou tumores na face.

Além disso, uma estimativa estatística de maior risco de mortalidade não significa que um determinado paciente terá obrigatoriamente uma evolução desfavorável.

Na oncologia, o prognóstico depende de inúmeros fatores, incluindo as características biológicas da doença, as condições clínicas individuais e as possibilidades terapêuticas disponíveis. Ou seja, estatística não é sinônimo de sentença, destaca Laporte, da SBCO.

“Uma ferramenta desenvolvida para auxiliar na estratificação prognóstica não pode se transformar em um instrumento de exclusão terapêutica“, diz. “Seria muito preocupante que um paciente deixasse de receber um tratamento potencialmente curativo apenas porque um algoritmo identificou características faciais associadas a um risco maior”.

No estudo, os autores apontam que a qualidade da imagem, a iluminação e a expressão facial também podem afetar a precisão, ressaltando a importância da padronização da captura fotográfica.

Afirmam ainda que o viés demográfico entre grupos raciais, étnicos e etários também permanece um risco. “Portanto, são necessárias maior representatividade, regulamentação e governança claras, validação em coortes mais amplas, integração com outros biomarcadores e ensaios prospectivos que confirmem o benefício clínico e informem os padrões práticos de captura e o treinamento clínico”, escreveram.

Para os especialistas ouvidos pela reportagem, também é importante considerar questões éticas fundamentais, especialmente a privacidade, a proteção das imagens faciais e o uso responsável dessas informações, que podem revelar aspectos sensíveis da saúde de uma pessoa.

Além disso, ressaltam que o algoritmo não nasceu com o objetivo de substituir o médico, como os próprios desenvolvedores deixam claro no estudo.

“A tecnologia pode nos ajudar a reconhecer riscos, interpretar informações e tomar decisões mais seguras, mas, diante de um diagnóstico de câncer, o paciente precisa de algo que nenhum algoritmo consegue oferecer sozinho: a presença de outro ser humano, capaz de escutar, compreender, acolher e compartilhar as decisões sobre seu tratamento”, resume Laporte.