FOTO selfie sederhana ternyata menyimpan petunjuk mengejutkan terkait kondisi kesehatan menyeluruh hingga tingkat kelangsungan hidup seseorang, khususnya bagi para penderita kanker. Tim peneliti dari Mass General Brigham, Boston, meluncurkan model kecerdasan buatan (AI) yang mampu memprediksi usia biologis serta peluang bertahan hidup pasien kanker hanya berbekal satu lembar foto wajah.
Riset yang dipublikasikan dalam jurnal The Lancet Digital Health tersebut mengindikasikan analisis visual wajah berpotensi menjadi instrumen tambahan bagi tim medis. Hasil pemindaian ini dapat dipertimbangkan dokter saat mengevaluasi kondisi fisik pasien sekaligus merancang strategi pengobatan yang paling optimal.
“Saya cukup terkejut saat mengetahui bahwa kami dapat menangkap tanda-tanda risiko kematian hanya dari sebuah foto wajah,” ujar penulis studi Dr. Raymond Mak, seorang ahli onkologi radiasi di Mass General Brigham Cancer Institute.
Melatih AI dan Replikasi Kearifan Hippocrates
Para peneliti awalnya membangun model dasar bernama Foundation Artificial Intelligence for Health Recognition-Face (FAHR-Face) yang dilatih menggunakan lebih dari 40 juta foto wajah. Dari fondasi tersebut, dikembangkan dua model turunan spesifik: FAHR-FaceAge untuk mengukur usia biologis, serta FAHR-FaceSurvival yang memprediksi peluang bertahan hidup dengan mengombinasikan fitur wajah dan data klinis.
Dalam mendeteksi usia biologis, algoritma FAHR-FaceAge mengamati area pelipis, dahi, bagian atas mata, hingga nasolabial fold (garis pipi yang menghubungkan hidung ke sudut mulut). Sementara itu, algoritma FAHR-FaceSurvival memindai bagian yang sepenuhnya berbeda, yaitu batang hidung dan area di bawah mata.
Secara mengejutkan, area wajah yang dipindai AI tersebut selaras dengan catatan fisikawan Yunani Kuno, Hippocrates, dalam karyanya Book of Prognostics sekitar tahun 400 S.M. Saat itu, Hippocrates mendeskripsikan “hidung tajam, mata cekung, serta pelipis kempot” sebagai indikator penyusutan otot dan risiko kematian.
“Pemikiran bahwa algoritma kami mereplikasi kearifan Hippocrates dari ribuan tahun lalu benar-benar mencengangkan bagi kami,” kata Mak. Ia menegaskan bahwa sistem AI tidak pernah mengakses teks kuno maupun pengetahuan internet, melainkan berlatih secara murni dari foto wajah dan status kelangsungan hidup pasien.
Akurasi Pemindaian dan Ketahanan Fitur
Hasil pengujian FAHR-FaceSurvival menunjukkan ketepatan yang terukur. Dari 122 pasien kanker yang diidentifikasi berada di kelompok risiko kematian tinggi, sebanyak 52,5% meninggal dunia dalam kurun waktu 90 hari. Sebaliknya, pada kelompok berisi 975 pasien berisiko paling rendah, hanya sekitar 2% yang meninggal dalam rentang waktu yang sama.
Uji coba model FAHR-FaceAge juga mencatat tren serupa. Sebanyak 21% dari 1.060 pasien yang usia biologisnya terdeteksi 20 tahun lebih tua dibanding usia kronologis meninggal dalam selang 90 hari. Sebaliknya, hanya 6% dari 4.195 pasien dengan usia biologis 10 tahun lebih muda yang meninggal dalam periode tersebut. Peneliti turut mencatat bahwa perubahan kosmetik seperti riasan, suntik Botox, maupun operasi plastik tidak memengaruhi performa analisis AI.
Alat Bantu Deteksi, Belum Pengganti Dokter
Para peneliti menekankan bahwa teknologi ini tidak dirancang untuk menggantikan peran dokter, melainkan sebagai alat bantu pendeteksi dini untuk mengidentifikasi pasien yang memerlukan pemeriksaan lanjutan.
Meski begitu, para pakar independen menilai inovasi ini masih membutuhkan evaluasi klinis lanjutan. Dr. Wilbur Lam, profesor bedah anak dan rekayasa biomedis di Emory University, menyebut studi ini sangat menarik namun perlu diuji secara prospektif pada berbagai subpopulasi, seperti variasi warna kulit dan kelompok usia.
Senada dengan hal tersebut, Miroslaw Bober, profesor pemrosesan video dan kecerdasan mesin di University of Surrey, menggarisbawahi bahwa AI memprediksi usia berdasarkan penampilan luar, bukan mengukur proses penuaan biologis secara langsung. Alat ini dinilai masih berupa bukti konsep (proof of concept) yang menjanjikan, tetapi belum siap digunakan secara klinis sebelum diuji berhadapan dengan penilaian langsung dari dokter di berbagai rumah sakit. (CNN/Z-2)