BOSTON / LONDON (IT BOLTWISE) – Forschende von Mass General Brigham haben KI-Modelle entwickelt, die aus einem einzelnen Foto des Gesichts ein biologisches Alter und eine Überlebenswahrscheinlichkeit von Krebspatienten ableiten. Die Studie wurde in The Lancet Digital Health veröffentlicht und nutzt dabei zwei speziell trainierte Modelle auf Basis von mehr als 40 Millionen Gesichtsaufnahmen. Für einen Teil der Patientinnen und Patienten zeigte die KI deutlich abweichende Sterberaten innerhalb von 90 Tagen. Offen bleibt, ob das Verfahren sich klinisch zuverlässig übergreifend gegen den Blick erfahrener Ärztinnen und Ärzte behauptet.
Wer ein Selfie zur Gesundheitsanalyse erwartet, wird überrascht: Die neue Studie zielt nicht auf Lifestyle-Optimierung, sondern auf eine Risikoabschätzung, die bislang stark von Anamnese, Laborwerten und Bildgebung abhängt. Forschende von Mass General Brigham in Boston berichten, dass sich biologische Alterungsprozesse und die Chancen auf das Überleben nach einer Krebsbehandlung mit Hilfe von Künstlicher Intelligenz aus einem einzelnen Foto ableiten lassen. Laut der Veröffentlichung in The Lancet Digital Health könnte Gesichtsanalyse künftig als ergänzender Baustein in die Entscheidungsfindung von Ärztinnen und Ärzten einfließen.
Technisch betrachtet setzen die Forschenden auf ein zweistufiges Modellkonzept. Zunächst trainierten sie eine robuste KI-Grundlage namens Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face) mit mehr als 40 Millionen Gesichtsaufnahmen über unterschiedliche Altersgruppen und ethnische Hintergründe. Darauf aufbauend folgten zwei Ableitungen: das FAHR-FaceAge-Modell schätzt das biologische Alter anhand der Bilddaten, während das FAHR-FaceSurvival-Modell eine Überlebensprognose für Krebspatienten liefert, indem es Gesichtszüge mit weiteren klinischen Informationen kombiniert. Entscheidend ist die Abgrenzung: Chronologisches Alter misst Lebensjahre, biologisches Alter soll dagegen widerspiegeln, wie „gealtert“ Körper und Zellen auf funktioneller Ebene sind.
Die Studie macht zudem nachvollziehbar, welche Gesichtsregionen im Modell eine Rolle spielen – und warum das für das Verständnis der Ergebnisse relevant ist. Für die Altersschätzung betrachtet die KI u. a. Bereiche an den Schläfen, die Stirn oberhalb der Augen sowie die sogenannte Nasolabialfalte, die vom Nasenbereich bis zur Mundwinkelregion verläuft. Bei der Prognose des Sterberisikos richtet sich der Fokus hingegen auf andere Partien: etwa die Nasenbrücke und Bereiche unterhalb der Augen. Interessant ist dabei der historische Resonanzpunkt: Der Text verweist auf die Beschreibung des griechischen Arztes und Philosophen Hippokrates im „Buch der Prognostics“ (etwa um 400 v. Chr.), in der Merkmale wie „scharfe Nase“, „eingesunkene Augen“ und „eingefallene Schläfen“ mit Muskelabbau und Sterberisiko assoziiert werden. Die Forschenden betonen aber, dass ihre Modelle ohne Wissen über historische Texte trainiert wurden – sie lernen ausschließlich aus Bilddaten und den dazugehörigen Outcomes.
Die Datenlage, die die Autoren für die praktische Relevanz anführen, ist dabei zahlenbasiert. Im FAHR-FaceSurvival-Ansatz wurde für 122 Krebspatienten eine hohe Sterberisiko-Kategorie vorhergesagt; mehr als die Hälfte davon, konkret 52,5%, starben innerhalb von 90 Tagen nach der Bewertung, wie berichtet wird. Demgegenüber lag die 90-Tage-Sterblichkeit bei der Gruppe mit dem niedrigsten Risiko (975 Patientinnen und Patienten) bei nur etwa 2%. Beim FAHR-FaceAge-Modell fällt die Einordnung ähnlich aus: Bei 1.060 Personen, deren biologisches Alter mehr als 20 Jahre über dem chronologischen lag, starben 21% innerhalb von 90 Tagen; bei 4.195 Patientinnen und Patienten mit einem um mindestens 10 Jahre niedrigeren biologischen als chronologischem Alter lag der Wert bei etwa 6%. Für klinische Teams ist das vor allem deshalb bedeutsam, weil sich hier eine potenzielle Frühidentifikation von Risiko-Konstellationen andeutet – auch wenn die Kausalität damit noch nicht erklärt ist.
Gleichzeitig adressiert die Studie eine praktische Frage, die in der Anwendung sofort auftaucht: Verändert „Kosmetik“ das Ergebnis? Laut Bericht hatten kosmetische Eingriffe wie Operationen, Injektionen (z. B. Botox) oder Make-up keinen nachweisbaren Effekt auf die Modellleistung. Das ist zunächst beruhigend, aber auch ein Hinweis darauf, dass das Modell offenbar Muster erkennt, die über oberflächliche optische Veränderungen hinausgehen. Trotzdem wird die eigentliche Nützlichkeit kritisch begrenzt: Die Autoren positionieren die KI nicht als Ersatz für Diagnostik oder ärztliche Beurteilung. Stattdessen sehen sie das System als ein zusätzliches Tool, um beschleunigte Alterung bzw. höhere Mortalitätsscores früh zu erkennen und daraus möglicherweise früheren Testbedarf oder weitere Untersuchungen abzuleiten.
Für die Industrie und den klinischen Alltag ist der entscheidende nächste Schritt nicht die beeindruckende Statistik, sondern die prospektive Validierung. Eine unabhängige Einschätzung aus dem akademischen Umfeld stellt genau darauf ab: Die Studie sei zwar überzeugend im statistischen Zusammenhang zwischen Gesichtsbildern und biologischem Alter bzw. Überlebensrisiko, die wahre klinische Einsatzfähigkeit müsse jedoch erst in künftigen Studien gezeigt werden, idealerweise zeitlich vor der Behandlung und über verschiedene Patientengruppen sowie Einrichtungen hinweg. Zusätzlich bleibt offen, ob das Tool in Subpopulationen mit bestimmten Gesichtszügen, Hauttönen oder Altersgruppen gleichermaßen robust funktioniert. Genau hier entscheidet sich, ob Gesichtsanalyse langfristig eine kontrollierte Ergänzung in Therapiepfaden wird – oder ob sie aufgrund von Generalisierungs- und Fairness-Fragen eher ein Forschungsbeleg bleibt.
Ein weiterer Punkt betrifft die Interpretation: „Vorhersage“ ist nicht automatisch „Erklärung“. Die Studie spricht zwar von „biologischem Alter“, aber die Modelle schätzen Alter aus dem Aussehen, nicht aus direkt gemessenen biologischen Alterungsprozessen. Für Entscheiderinnen und Entscheider heißt das: Selbst wenn die KI in frühen Studien zusätzliche Risikosignale liefert, muss sie in späteren Schritten gegen den tatsächlichen klinischen Mehrwert antreten – also gegen das, was Ärztinnen und Ärzte ohnehin aus Gesundheitszustand, Fitness und etablierten Verfahren ableiten. Bis dahin bleibt das Ergebnis vor allem ein wichtiger Hinweis darauf, wie weit Deep-Learning-Modelle menschliche Bilddaten mit Outcomes verknüpfen können. Genau diese Kombination aus technischer Machbarkeit und noch offenem klinischen Nachweis wird den Diskussionsprozess in der Medizintechnik in den nächsten Jahren prägen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI erkennt biologisches Alter und Krebs-Überlebenschancen aus einem Selfie" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI erkennt biologisches Alter und Krebs-Überlebenschancen aus einem Selfie" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI erkennt biologisches Alter und Krebs-Überlebenschancen aus einem Selfie« bei Google Deutschland suchen, bei Bing oder Google News!