Uma única fotografia do rosto pode revelar a idade biológica de um paciente oncológico e estimar suas chances de sobrevivência nos próximos 90 dias. Pesquisadores do Mass General Brigham, em Boston, treinaram inteligência artificial para detectar sinais invisíveis ao olho humano clínico. O estudo, publicado na The Lancet Digital Health, abre caminho para uma triagem mais ágil e personalizada.
Como a máquina lê o que o espelho não mostra
O sistema, batizado de FAHR-Face, foi alimentado com mais de 40 milhões de imagens faciais de diferentes idades e etnias. A partir dessa base, nasceram dois modelos especializados: o FAHR-FaceAge, que calcula a idade biológica, e o FAHR-FaceSurvival, que cruza traços faciais com dados clínicos para projetar o risco de mortalidade.
Curiosamente, cada modelo “olha” para regiões distintas da face. O algoritmo de idade foca nas têmporas, testa, área acima dos olhos e no sulco nasolabial — a linha que liga o nariz à boca. Já o de sobrevivência concentra a análise na ponte do nariz e na região abaixo dos olhos.
O eco de Hipócrates nos algoritmos
A precisão topográfica dos modelos surpreendeu até os criadores. As mesmas áreas identificadas pela IA como preditoras de risco são as que Hipócrates descreveu por volta de 400 a.C. no Livro dos Prognósticos: “nariz afilado, olhos fundos, têmporas caídas” como sinais de atrofia e morte iminente.
Como os algoritmos não tiveram acesso a textos médicos antigos — foram treinados apenas com fotos e desfechos clínicos —, a convergência sugere que a máquina redescobriu, por conta própria, marcadores fisiológicos universais de fragilidade.
Números que separam alto e baixo risco
A validação prática trouxe dados contundentes. No grupo classificado como alto risco pelo FAHR-FaceSurvival (122 pacientes), 52,5% faleceram em até 90 dias. No grupo de baixo risco (975 pacientes), a mortalidade no mesmo período foi de apenas 2%.
A análise da idade biológica reforça o padrão:
- Idade biológica >20 anos acima da cronológica: 21% de óbitos em 90 dias (1.060 pacientes).
- Idade biológica >10 anos abaixo da cronológica: 6% de óbitos em 90 dias (4.195 pacientes).
Outro achado relevante: cirurgias estéticas, preenchimentos como botox ou maquiagem não alteraram a performance dos modelos, indicando que a IA captura marcadores estruturais profundos, não superficiais.
Ferramenta de apoio, não substituto do médico
Os autores são enfáticos: a tecnologia não visa substituir o julgamento clínico. O objetivo é funcionar como um “sinal de alerta” precoce. “Se detectamos envelhecimento acelerado, podemos rastrear problemas ou indicar exames adicionais em estágio inicial”, explica o Dr. Raymond Mak, autor principal.
Por enquanto, a validação restringe-se a pacientes com câncer. A aplicabilidade em pessoas saudáveis interessadas em longevidade ainda é terreno desconhecido.
O que falta para chegar à clínica
Para o Dr. Wilbur Lam, da Universidade Emory (não envolvido no estudo), as associações são robustas, mas a utilidade clínica real depende de validação prospectiva. Pontos críticos pendentes:
- Desempenho em subpopulações específicas (tons de pele, traços faciais variados, faixas etárias).
- Testes em cenários reais de decisão terapêutica, não apenas retrospectivos.
- Integração segura ao fluxo de trabalho oncológico sem criar viés algorítmico.
O que observar daqui para frente
O próximo passo decisivo são ensaios clínicos prospectivos que testem se o uso dessa “selfie diagnóstica” altera, de fato, condutas e desfechos. Se confirmada a utilidade, a triagem facial por IA pode se tornar um check-up de baixo custo e alta escalabilidade — especialmente valioso em regiões com escassez de especialistas. Acompanhe as próximas publicações do grupo de Boston e as respostas de agências reguladoras sobre validação de algoritmos de imagem médica.
