Massachusetts merkezli araştırmacılar, tek bir yüz fotoğrafından kanser hastalarının biyolojik yaşını ve sağkalım riskiyle bağlantılı göstergeleri tahmin eden FAHR-Face adlı yapay zekâ modelini geliştirdi. 19 Ekim 2026’da yayımlanan çalışma, yüz analizi sonuçlarının klinik bilgilerin yerine geçmeyeceğini; ancak radyoterapi, ameliyat veya sistemik tedavi öncesinde hekim kararlarına ek veri sağlayabileceğini bildirdi.
Araştırma, yüz fotoğrafından üretilen yüksek risk puanının gruplar düzeyinde daha yüksek ölüm olasılığıyla ilişkili olduğunu gösterdi. Araştırmacılar, teknolojinin hastaya kesin yaşam süresi tahmini vermediğini, klinik kullanımdan önce daha geniş doğrulama ve etik denetim gerektiğini vurguladı.
Yüz fotoğrafından kanser sağkalımı tahmini yapıldı
FAHR-Face, 40 milyondan fazla yüz görüntüsü üzerinde genel yüz özelliklerini öğrenen bir temel yapay zekâ modeli olarak tasarlandı. Araştırma ekibi, modelden iki tamamlayıcı araç üretti: FAHR-FaceAge biyolojik yaş tahmini yaparken, FAHR-FaceSurvival kanser hastalarının sağkalım riskini doğrudan yüz fotoğrafından tahmin ediyor.
Biyolojik yaş, kişinin takvim yaşından farklı olarak vücudun sağlık ve işlev düzeyine ilişkin ölçüm anlamına geliyor. Araştırmacılar, fotoğrafta takvim yaşından en az beş yaş daha yaşlı görünen radyoterapi hastalarında, ortalama dört yıllık takipte ölüm riskinin grubun kalanına göre yüzde 21 daha yüksek olduğunu saptadı. Fotoğrafta en az beş yaş daha genç görünenlerde ise ölüm riski yüzde 17 daha düşük çıktı.
Ayrı bir test grubunda 3 bin 820 kanser hastası incelendi. En yüksek ölüm riski puanını alan 122 hastanın 64’ü, fotoğrafın çekilmesinden sonraki 90 gün içinde hayatını kaybetti. Bulgular, tahminlerin bireysel hasta için kesin sonuç sayılmayacağını; risk sınıflandırmasında ek bir işaret olabileceğini gösteriyor.
İki algoritma farklı yüz bölgelerini inceliyor
Araştırmacılar, modelin tahmin yaparken hangi yüz alanlarına yoğunlaştığını dikkat haritalaması yöntemiyle değerlendirdi. FAHR-FaceAge; burun ile ağız arasındaki çizgiler, göz çukurlarının üstündeki alın bölgesi ve şakaklara ağırlık verdi. FAHR-FaceSurvival ise göz altı ile burun köprüsü çevresindeki alanları daha fazla analiz etti.
Yaş ve sağkalım araçlarının sonuçları yalnızca sınırlı ölçüde birbiriyle örtüştü. İki puan klinik sağkalım modeline birlikte eklendiğinde, yalnız kullanımlarına göre daha iyi tahmin performansı sağladı. Araştırmacılar, farklı yüz örüntülerinin hastanın genel sağlık durumu hakkında birbirini tamamlayan bilgiler taşıyabileceği değerlendirmesini yaptı.
Fotoğraf açısı, ışık, mimik ve makyaj gibi günlük çekim koşulları biyolojik yaş tahminini anlamlı ölçüde değiştirmedi. Model, incelenen estetik işlemlerin çoğunda da istikrarlı kaldı. Burun estetiği sonrasında biyolojik yaş puanında küçük bir değişim görüldü.
Yaşam alışkanlıkları yüz yaşlanmasıyla ilişkilendirildi
Çalışmada sigara, yoğun alkol tüketimi ve uyuşturucu kullanımı, yapay zekânın daha ileri biyolojik yaş tahminiyle ilişkilendirildi. En belirgin örüntü sigarada görüldü: Hâlen sigara içenler, eski içicilerden; eski içiciler de hiç içmemiş kişilerden daha yaşlı göründü.
Araştırmacılar, yüz fotoğrafının sigara kullanımı veya başka bir sağlık sorununu tek başına teşhis edemeyeceğinin altını çizdi. Yüzdeki örüntüler; kronik hastalıklar, beslenme, fiziksel dayanıklılık, tedavi yükü ve ölçülmeyen başka etkenlerin birleşimini yansıtabilir. Yüz analizi sonuçları laboratuvar testleri, görüntüleme, hastalık evresi ve hekim muayenesinden bağımsız bir tedavi ölçütü olarak kullanılmayacak.
Klinik kullanım için çeşitlilik ve etik denetim gerekli
Araştırmacıların hedefi, yoğun tedaviler öncesinde kırılganlık ve fiziksel rezerv değerlendirmesini daha nicel hâle getirmek. Hekimler, kanser tedavisi planlarken hastanın tüm klinik tablosunu değerlendiriyor; yüz analizi de ileride yalnızca ek karar desteği sunabilir.
Modelin sağkalım bölümü, ağırlıkla beyaz hastalardan oluşan Boston bölgesi kanser hasta grubunda eğitildi. Bu sınırlılık, farklı etnik kökenler, yaş grupları ve sağlık sistemlerinde performansın ayrıca sınanmasını gerekli kılıyor. Araştırma ekibi, daha çeşitli yüz verileriyle modeli geliştirmeyi planlıyor.
Teknolojinin sigorta şirketleri, işverenler veya sağlık hizmeti sunucuları tarafından yanlış sınıflandırma amacıyla kullanılma riski de bulunuyor. Yanlış biçimde düşük riskli görünen bir hastanın gerekli bakımdan mahrum kalması ya da yüksek risk puanının ayrımcılığa dönüşmesi, klinik doğrulama kadar güçlü gizlilik ve ayrımcılık karşıtı kuralların da gerekli olduğunu gösteriyor. Araştırma, Lancet Digital Health dergisinde yayımlandı.
Sıkça Sorulanlar
FAHR-Face nedir?
FAHR-Face, 40 milyondan fazla yüz görüntüsüyle eğitilen ve yüz fotoğrafından biyolojik yaş ile sağlık göstergeleri hakkında tahmin üreten bir yapay zekâ modelidir.
Yapay zekâ kanser hastalarının sağkalımını nasıl tahmin ediyor?
FAHR-FaceSurvival adlı araç, göz altı ve burun köprüsü çevresindeki yüz örüntülerini analiz ederek gruplar düzeyinde sağkalım riskiyle ilişkili bir puan üretiyor. Puan, bireysel hasta için kesin sonuç veya yaşam süresi tahmini anlamına gelmiyor.
Yüz fotoğrafından biyolojik yaş tahmini ne anlama geliyor?
Biyolojik yaş tahmini, kişinin takvim yaşından çok sağlık ve işlev düzeyine ilişkin yüz örüntülerini değerlendirmeyi amaçlıyor. Araştırmada sigara, yoğun alkol tüketimi ve uyuşturucu kullanımı daha ileri biyolojik yaş tahminiyle ilişkilendirildi.
FAHR-Face hastanelerde kullanıma hazır mı?
FAHR-Face henüz rutin klinik kullanıma hazır değil. Modelin farklı etnik kökenler ve hasta gruplarında doğrulanması, ayrıca gizlilik, ayrımcılık ve yanlış sınıflandırma riskleri için etik kurallar oluşturulması gerekiyor.