Un gruppo di ricercatori di Mass General Brigham, Dana-Farber Cancer Institute e Harvard Medical School ha sviluppato FAHR-Face, un foundation model destinato all’analisi delle immagini del volto per stimare informazioni associate alle condizioni fisiologiche e alla prognosi dei pazienti oncologici. I risultati della ricerca sono stati pubblicati il 19 ottobre 2026 su The Lancet Digital Health. Il progetto amplia i precedenti sistemi che utilizzavano l’aspetto del viso per stimare l’età apparente e collegarla indirettamente allo stato di salute, introducendo un modello che può apprendere direttamente dai dati relativi alla sopravvivenza dei pazienti. L’architettura comprende un modello di base addestrato su oltre 40 milioni di immagini facciali, successivamente adattato a due differenti applicazioni: FAHR-FaceAge, destinato alla stima dell’età biologica apparente, e FAHR-FaceSurvival, progettato per produrre un indicatore del rischio di sopravvivenza in ambito oncologico. La separazione permette di studiare due tipologie di informazioni potenzialmente presenti nelle immagini: quelle associate all’invecchiamento visibile e quelle che possono essere statisticamente correlate all’esito clinico.
La fase di preaddestramento su larga scala permette al modello di apprendere caratteristiche visive comuni alle immagini dei volti prima di essere specializzato su compiti sanitari. Per lo sviluppo di FAHR-FaceSurvival, i ricercatori hanno utilizzato ulteriori 34.389 fotografie di pazienti oncologici associate ai rispettivi dati clinici di sopravvivenza. Il sistema è stato quindi verificato anche attraverso dati provenienti da pazienti non utilizzati nella fase di addestramento. L’impostazione differisce da quella delle applicazioni che stimano esclusivamente l’età apparente del volto, perché il modello di sopravvivenza non deve prima trasformare l’immagine in una misura di invecchiamento: apprende invece direttamente le associazioni statistiche tra caratteristiche facciali e risultati clinici. Il valore predittivo ottenuto rimane una stima derivata dai dati, non una misura diretta della causa biologica degli esiti osservati.
La ricerca prosegue un lavoro pubblicato dallo stesso gruppo nel maggio 2025, dedicato a FaceAge. In quella fase, il modello era stato addestrato utilizzando immagini di 58.851 persone sane ed era stato successivamente valutato su 6.196 pazienti oncologici. I ricercatori avevano riscontrato un’associazione tra età facciale stimata e prognosi: i pazienti il cui viso appariva più anziano rispetto all’età anagrafica tendevano a presentare risultati di sopravvivenza meno favorevoli. Il nuovo studio amplia la dimensione del preaddestramento e modifica la struttura della valutazione, distinguendo la stima dell’invecchiamento dal calcolo di un punteggio direttamente associato alla sopravvivenza. FAHR-Face viene così proposto come modello riutilizzabile per differenti indicatori sanitari, senza dover ricostruire completamente l’architettura di analisi visiva per ogni nuova attività.
Le valutazioni hanno evidenziato che FAHR-FaceAge e FAHR-FaceSurvival attribuiscono importanza a regioni differenti del volto. Il primo sistema concentra maggiormente l’attenzione su pieghe nasolabiali, fronte e tempie, aree associate a caratteristiche visibili dell’invecchiamento. Il secondo risponde maggiormente a informazioni presenti sotto gli occhi e attorno al ponte nasale. I due punteggi presentano una correlazione relativamente debole, suggerendo che i modelli possano catturare caratteristiche differenti. Nelle verifiche effettuate su dati esterni, l’utilizzo congiunto delle due informazioni ha contribuito a spiegare i risultati di sopravvivenza osservati nei pazienti. I ricercatori hanno quindi individuato una possibile complementarità tra l’età facciale apparente e gli indicatori visivi associati direttamente al rischio clinico. Non è stato però dimostrato quali caratteristiche biologiche specifiche vengano riconosciute nelle regioni evidenziate né attraverso quali meccanismi esse possano essere collegate alla mortalità.
L’applicazione prevista riguarda il supporto alla valutazione delle condizioni generali dei pazienti che devono affrontare trattamenti oncologici impegnativi. Persone della stessa età anagrafica e con diagnosi apparentemente simili possono presentare differenze rilevanti nella riserva fisiologica, nella fragilità e nella capacità di recuperare dopo interventi chirurgici, radioterapia o altre terapie. I medici utilizzano già vari strumenti clinici per valutare queste condizioni, ma l’aggiunta di informazioni ricavate da immagini potrebbe contribuire a identificare situazioni nelle quali la condizione generale non è pienamente rappresentata dai soli dati anagrafici. L’obiettivo della ricerca non è stabilire automaticamente quale trattamento debba ricevere un paziente, ma studiare un indicatore aggiuntivo che possa eventualmente essere integrato in valutazioni cliniche più articolate, dopo adeguata validazione.
La ricerca presenta tuttavia limiti che impediscono un utilizzo clinico immediato. Una fotografia non permette di determinare con precisione la durata residua della vita di una persona e i risultati statistici non possono essere impiegati isolatamente per decidere interventi chirurgici o trattamenti oncologici. I ricercatori hanno indicato la necessità di includere ulteriori dati e immagini provenienti da popolazioni etnicamente e demograficamente differenti, così da verificare la generalizzabilità delle prestazioni. Miroslav Bober, professore dell’Università del Surrey, ha inoltre richiamato l’importanza di valutazioni su ospedali e gruppi di pazienti diversi, nonché di confronti diretti con le decisioni degli specialisti. FAHR-Face rappresenta pertanto una tecnologia di ricerca che collega l’analisi delle immagini facciali a indicatori di rischio oncologico, ma la validazione disponibile non è ancora sufficiente a considerarla uno strumento clinico autonomo né a utilizzare le sue previsioni per determinare il trattamento dei singoli pazienti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)