Un equipo de investigadores del Mass General Brigham, en Estados Unidos, desarrolló un sistema de inteligencia artificial capaz de estimar la edad biológica de una persona y el riesgo de mortalidad de pacientes con cáncer a partir de una fotografía convencional del rostro. El modelo, llamado FAHR-Face, fue presentado en The Lancet Digital Health y se entrenó con más de 40 millones de imágenes faciales.
El hallazgo llega en un momento en que los sistemas de salud buscan herramientas más baratas y escalables para decidir qué pacientes pueden afrontar tratamientos intensivos. En la oncología moderna, cada decisión terapéutica arrastra costos elevados, y una estimación más fina del pronóstico podría ayudar a asignar mejor los recursos.
Cómo funciona FAHR-Face: un modelo base y dos aplicaciones
El sistema se apoya en aprendizaje autosupervisado. Primero asimila una representación general del rostro humano sin necesitar una etiqueta clínica por cada imagen, y luego se adapta a tareas específicas con conjuntos de datos más pequeños. De ese modelo base surgieron dos herramientas.
La primera, FAHR-FaceAge, estima la edad biológica. En las pruebas con diez bases de datos públicas, su error absoluto medio fue de 5,1 años, mejor que el de los modelos de referencia. La segunda, FAHR-FaceSurvival, calcula el riesgo de mortalidad en pacientes oncológicos y se desarrolló con más de 34.000 fotografías de personas con cáncer.
Los dos algoritmos miran zonas distintas del rostro. El de edad se concentra en los pliegues nasolabiales y las sienes, mientras que el de supervivencia presta más atención a la zona bajo los ojos y alrededor de la nariz. Combinados, mejoraron la precisión pronóstica frente al uso por separado.
Los números detrás del pronóstico
Los pacientes del cuartil de mayor riesgo según el sistema tuvieron una mortalidad superior al triple de la del cuartil de menor riesgo, con un cociente de riesgos ajustado de 3,23. La asociación se mantuvo tras controlar por factores clínicos y se confirmó en una cohorte independiente. El modelo funcionó en distintas edades, sexos, razas y tipos de cáncer, y mostró estabilidad ante cambios de pose, iluminación, expresión o maquillaje. Solo se detectó una variación menor tras una rinoplastia.
Estos datos describen diferencias entre grupos, no sentencias individuales. Un cociente de riesgos no permite afirmar que un paciente concreto tenga tres veces más probabilidades de morir ni calcular cuánto tiempo vivirá.
La ventaja económica: evaluar rápido, sin infraestructura costosa
El atractivo principal es de costos. La valoración de la fragilidad y la reserva funcional exige tiempo clínico, pruebas y personal especializado. Una fotografía, en cambio, puede obtenerse en segundos y con un teléfono, lo que abarataría el cribado inicial, sobre todo donde los biomarcadores o las evaluaciones geriátricas completas no están disponibles.
Para los sistemas de salud, esto abre una posibilidad concreta: usar la herramienta como filtro para detectar a quienes necesitan una valoración más exhaustiva antes de someterse a cirugía, radioterapia o terapia sistémica. Con ese filtro se reduciría el gasto en intervenciones de bajo beneficio esperado y se dirigirían los recursos donde más rinden.
Tratamientos innecesarios al final de la vida
Raymond Mak, oncólogo radioterapeuta y autor principal, recordó que los médicos tienden a aplicar tratamiento en exceso cuando el paciente se acerca al final de su vida. Una estimación objetiva del riesgo podría funcionar como un dato adicional que modere esa tendencia, con beneficios para el paciente y para las cuentas del sistema.
Mak descartó que la herramienta se use para negar o limitar el acceso a medicación. La frontera es delicada, porque una puntuación de riesgo en manos de aseguradoras o financiadores podría usarse con fines distintos. Por eso la gobernanza de estas herramientas será tan importante como su precisión.
Las dudas de la comunidad científica
Los autores subrayan que el sistema complementa el criterio médico y no lo sustituye. Miroslaw Bober, catedrático de la Universidad de Surrey ajeno al estudio, advirtió que predecir un resultado no equivale a explicarlo. Señaló que no está demostrado que las predicciones aporten información clínicamente útil más allá de la evaluación que ya hacen los médicos de la condición general del paciente, un aspecto que el estudio no midió. Pidió compararlas con el juicio clínico y probarlas en distintos hospitales y poblaciones.
Para un sistema de salud, el factor decisivo es si la herramienta cambia decisiones y mejora resultados, no solo si identifica asociaciones estadísticas. Hasta que eso se demuestre, invertir en su adopción masiva sería prematuro.
Estilo de vida, validación y próximos pasos
El análisis también mostró que el tabaquismo, el consumo excesivo de alcohol y el uso de drogas se asocian con una apariencia biológicamente mayor. El tabaco presentó el patrón más marcado: los fumadores actuales lucían mayores que los exfumadores, y estos, mayores que quienes nunca fumaron.
El equipo avanza ahora con un estudio en línea, aprobado por un comité de ética y abierto al público, en el que los participantes suben una fotografía y reciben un informe de investigación. El objetivo es validar el modelo en poblaciones más amplias y diversas, un paso necesario antes de cualquier uso clínico a gran escala.
Una oportunidad para la medicina de precisión, con cautela
FAHR-Face muestra cómo los modelos fundacionales pueden crear varios biomarcadores a partir de una misma base tecnológica, sin entrenar cada herramienta desde cero. Esa economía de escala es la que hace atractivo el enfoque para la medicina de precisión. Su valor real dependerá de la validación en el mundo clínico y de que se use para apoyar al médico y al paciente, no para recortar gasto a costa de la atención.
