KI errechnet Lebenserwartung per Gesichtsanalyse

Da Menschen unterschiedlich schnell altern, kann ihr äußeres Erscheinungsbild oft zuverlässiger Aufschluss über ihr biologisches Alter und ihren Gesundheitszustand geben als ihre tatsächlichen Lebensjahre. Bislang wird der visuelle Aspekt lediglich subjektiv beurteilt. Abhilfe schaffen könnte bald ein neuer Bewertungsaspekt namens FaceAge, den ein Team von Wissenschaftlerinnen und Wissenschaftlern um Dr. Dennis Bontempi von der Abteilung Computerbiologie der Universität Lausanne mithilfe eines Deep-Learning-Modells entwickelte.

Als FaceAge das biologische Alter einer Person auf Basis ihres Gesichtsbilds schätzen sollte, erzielte dieser Parameter bei der Studie überraschend gute Ergebnisse. Insgesamt hatte das Modell Datensätze von 58.851 vermutlich gesunden Personen ab einem Alter von 60 Jahren verarbeitet. Und auch die Schätzungen zur Lebenserwartung von Menschen, die an Krebs erkrankt sind, waren ziemlich treffsicher. Dazu wurden Daten von 6196 niederländischen und US-amerikanischen Patientinnen und Patienten mit Krebsdiagnose herangezogen, die den klinischen Nutzen dieser Methode auf den Prüfstand stellen sollten.

Nach Angaben der Forschenden wirken krebskranke Menschen im Schnitt rund fünf Jahre älter, als sie tatsächlich sind. Am zuverlässigsten war die Voraussage der Lebenserwartung von FaceAge bei jenen, die entweder noch viele Jahre vor sich hatten oder sich relativ nah am Lebensende befanden. Laut der Studie gelang dem System eine unabhängige prognostische Leistung bei verschiedenen Krebsarten und -stadien. Ein höheres FaceAge-Alter korrelierte mit einem schlechteren Gesamtüberleben.

Im Vergleich zur ärztlichen Einschätzung schnitt das Deep-Learning-System allerdings schlechter ab. Nutzten die Medizinerinnen und Mediziner es aber als zusätzliches Tool zu den klinischen Informationen, erzielten sie deutlich bessere Prognosen – vor allem jene Ärztinnen und Ärzte, die anfangs deutlicher danebenlagen. Ein Deep-Learning-Modell dieser Art könne also die Überlebensvorhersage bei Krebspatienten verbessern, indem es die menschliche Leistung verbessere, heißt es.

Die Analyse ergab ebenfalls, dass Lebensstilfaktoren Einfluss auf das FaceAge hatten. Demnach wirkten etwa Raucherinnen und Raucher im Schnitt deutlich älter als Nichtraucherinnen und Nichtraucher. Auch ein Zusammenhang mit dem Body-Mass-Index (BMI) ließ sich beobachten, aber weniger stark ausgeprägt.

Ein Modell dieser Art, das nur auf Fotos von Gesichtern setzt, bringt natürlich ethische Fragen mit sich. Was ist zum Beispiel, wenn Versicherungen oder Unternehmen solche Informationen missbrauchen? Was passiert, wenn das Modell unfaire Vorhersagen für bestimmte ethnische Gruppen trifft?

Die Studienautorinnen und -autoren stellen klar, dass vor dem Einsatz im Klinikalltag nicht nur strenge Regulierungen nötig sind, sondern auch weitere Forschung, um mögliche Verzerrungen zu erkennen und zu vermeiden. Dennoch könne FaceAge wertvolle Zusatzinformationen liefern, insbesondere in Situationen, in denen schnelle Behandlungsentscheidungen gefragt sind. Ihrer Ansicht nach bringt die zusätzliche Einschätzung Vorteile, um das Risiko-Nutzen-Verhältnis für die Patientinnen oder Patienten besser zu bewerten.