Si può capire quanto tempo ci resta da una foto?

Un gruppo di ricerca negli Stati Uniti dice di aver sviluppato un sistema di intelligenza artificiale che stima il rischio di morte di una persona malata di cancro analizzando semplicemente una fotografia del suo viso. Il modello non prevede con precisione quanto vivrà il paziente, ma identifica caratteristiche del volto associate alla probabilità di morire nei mesi successivi.

I risultati della sperimentazione sono stati pubblicati sulla rivista scientifica The Lancet Digital Health e stanno facendo molto discutere, sia per la loro affidabilità sia per l’utilità di un sistema di questo tipo.

Secondo il gruppo di ricerca, il sistema potrebbe aiutare i medici a decidere il trattamento più indicato per i pazienti, riducendo gli errori di valutazione a volte indotti dalla semplice osservazione in ambulatorio. I critici dicono però che non è ancora stato dimostrato che il sistema sia più efficace delle valutazioni cliniche già disponibili, né che il suo impiego porti a decisioni terapeutiche migliori.

Il modello analizza la fotografia del viso del paziente e la valuta in base a moltissimi parametri che ha imparato a riconoscere durante l’addestramento su milioni di fotografie. Per la valutazione del rischio di morte, il sistema sembra concentrarsi soprattutto sul dorso del naso e sulle aree appena sotto gli occhi. Come avviene spesso con i modelli di intelligenza artificiale, il cui funzionamento è difficile da interpretare, non è chiaro perché si concentri proprio su quelle caratteristiche e non su altre.

In una prima fase dell’addestramento, il gruppo di ricerca aveva fatto analizzare al modello 40 milioni di fotografie di facce, senza che gli fosse assegnato un compito specifico. In seguito era stato chiesto al modello di analizzare le immagini per determinare l’età biologica di una persona, quindi l’età in base alle sue condizioni di salute e non semplicemente all’anno di nascita. L’esperimento aveva dato risultati incoraggianti e aveva spinto il gruppo di ricerca a spostarsi sulla previsione del rischio di morte per i pazienti oncologici.

Finito l’addestramento, il gruppo di ricerca ha sperimentato il modello utilizzando le fotografie del viso di 3.820 persone malate di cancro, chiedendo di assegnare a ciascuna un punteggio in base al rischio. Più della metà delle persone che il sistema aveva valutato ad alto rischio sono morte entro tre mesi dal momento in cui era stata scattata la loro fotografia. In un altro test su oltre 38mila pazienti, le persone risultate con un’età biologica superiore a quella anagrafica avevano un più alto rischio di morte.

Nel caso della valutazione dell’età biologica, il modello sembra concentrarsi soprattutto sulle rughe naso-labiali, cioè le linee che vanno dai lati del naso fino agli angoli della bocca (quelle che vengono spesso chiamate “rughe d’espressione”). Anche in questo caso non è chiaro perché il sistema si concentri su quell’area, né quali altre valutazioni faccia per produrre una stima.

Più o meno inconsciamente anche i medici fanno una prima valutazione dei loro pazienti osservandoli, cercando di capire l’andamento delle loro condizioni nel tempo. Il gruppo di ricerca ipotizza che il sistema riconosca segnali simili, ma lo studio non ha verificato se le valutazioni del modello siano più precise di quelle dei medici o se aggiungano informazioni utili a quelle che si ottengono dagli esami. Non è quindi chiaro se l’AI riesca davvero a individuare qualcosa che altrimenti sfuggirebbe ai medici.

Il modello ha inoltre diversi limiti. La stima dell’età biologica può cambiare a seconda della fotografia, della posa del soggetto e delle condizioni di luce in cui è stato realizzato lo scatto. I test hanno inoltre riguardato pazienti che vivono nell’area di Boston (Stati Uniti) e Maastricht (Paesi Bassi), dove si trovano gli ospedali in cui è stata svolta la ricerca, e con un forte sbilanciamento verso persone bianche. Il gruppo di ricerca ha in programma nuovi esperimenti con l’obiettivo di rendere più rappresentativa la base di pazienti.

Il sistema non è quindi pronto per un utilizzo clinico e deve essere considerato un prototipo, anche perché l’utilizzo di un sistema di questo tipo avrebbe molte implicazioni etiche. Un errore potrebbe far sottovalutare le condizioni di una persona che avrebbe bisogno di cure; le assicurazioni sanitarie potrebbero in futuro usare sistemi simili per decidere a chi concedere o meno una copertura; oppure i datori di lavoro potrebbero usarli per scegliere un candidato invece di un altro sulla base di presunte differenze nelle condizioni di salute.

La ricerca sui sistemi di intelligenza artificiale che ricavano informazioni sulla salute è in crescita e sta raccogliendo ingenti investimenti, come avviene con buona parte dei settori legati alle AI. Ma per dimostrare che questi sistemi funzionano non basta che producano previsioni statisticamente attendibili: devono dimostrare di essere affidabili su persone diverse, di aggiungere informazioni a quelle già disponibili e di aiutare i medici a prendere decisioni migliori.