Em resumo
Um programa analisou fotos de rostos e encontrou sinais que, em grupos de pacientes com câncer, estavam relacionados ao risco de morrer. Isso não significa que uma foto possa prever o que vai acontecer com uma pessoa ou orientar seu tratamento. Antes de usar a tecnologia em hospitais, é preciso testá-la melhor e com pessoas mais diversas.
Do olhar clínico à análise por computador
Além de exames e informações médicas, os profissionais de saúde às vezes levam em conta a aparência geral, a disposição e a fragilidade do paciente. Essa impressão pode influenciar a avaliação de opções como cirurgia, quimioterapia ou radioterapia, e também das necessidades de cuidado. Mas ela pode variar de um profissional para outro, pois depende da experiência e da observação pessoal.
Uma equipe liderada pelo oncologista radioterápico Ray Mak, do Mass General Brigham Cancer Institute, investigou se a análise automática de imagens poderia oferecer uma informação adicional e mais padronizada. A ideia não é substituir o médico, mas verificar se um computador consegue identificar padrões no rosto difíceis de perceber a olho nu e fornecer um indicador que possa ser considerado junto com outras informações clínicas.
O modelo começou a ser treinado com cerca de 40 milhões de imagens de rostos, sem uma tarefa específica. Depois de aprender padrões gerais, foi ajustado para duas funções: estimar a idade biológica aparente do rosto e analisar imagens de pessoas com câncer para calcular suas chances de sobrevivência. Essa estimativa não é a idade registrada em documentos: ela se baseia na aparência e pode não corresponder à idade real da pessoa.
O que os testes com pacientes mostraram?
Em um grupo de teste com 3.820 pacientes com câncer, os pesquisadores dividiram os resultados em diferentes faixas de risco. Entre as 122 pessoas que receberam as pontuações mais altas, 64 morreram nos 90 dias seguintes à captura das imagens. O resultado indica que, naquele grupo, uma pontuação alta estava associada a um número expressivo de mortes em pouco tempo. Não significa que todas as pessoas com pontuação alta morrerão, nem que a pontuação, por si só, explique o que aconteceu.
Em outro teste, independente e maior, com mais de 38 mil pacientes, surgiu uma associação semelhante: no conjunto dos dados, as pessoas cujo rosto parecia mais velho do que sua idade real, segundo o modelo, tinham maior probabilidade de morrer. Isso descreve uma tendência observada nos dados, não uma regra que se aplique a todos. Médias e associações encontradas em grupos grandes não garantem o que acontecerá com uma pessoa específica.
Segundo os pesquisadores, combinar a estimativa da idade aparente do rosto com a pontuação de sobrevivência melhorou o desempenho do modelo em comparação com o uso de cada indicador separadamente. Isso sugere que as duas informações podem revelar aspectos diferentes e talvez sejam mais úteis quando consideradas em conjunto com outros dados médicos. Ainda assim, as informações disponíveis não permitem concluir que a ferramenta esteja pronta para orientar tratamentos no dia a dia.
Que partes do rosto chamaram a atenção do algoritmo?
A equipe também usou um método para identificar as regiões do rosto às quais o modelo deu mais atenção ao fazer suas estimativas. Para calcular a idade aparente, destacaram-se as linhas entre o nariz e a boca e algumas áreas da testa. Já ao estimar o risco de morte, o modelo se concentrou mais na parte superior do nariz e na região abaixo dos olhos.
Mas saber onde o algoritmo se concentrou não explica por que essas áreas estão relacionadas aos resultados. As imagens podem conter sinais visíveis ligados à saúde geral, efeitos de outros fatores que se combinam entre si ou padrões aprendidos durante o treinamento cujo significado biológico ainda não está claro. Portanto, não se pode concluir que as rugas de uma região específica ou o formato do nariz causem algum risco, nem que essas características sejam indicadores médicos por si sós.
Uma possibilidade discutida pelos pesquisadores é que a aparência reflita certos hábitos ou condições de saúde conhecidos. Mak observou que, em algumas pessoas, o tabagismo e o consumo excessivo de álcool estavam associados a uma estimativa de idade facial mais alta. Essas observações, porém, não provam que o modelo identifique diretamente quem fuma ou consome álcool, nem descartam a influência de outros fatores que possam afetar tanto a imagem quanto a saúde.
Sorrir ou mudar a iluminação altera o resultado?
A equipe testou imagens com diferentes expressões faciais, com e sem maquiagem e sob variadas condições de iluminação. Segundo os pesquisadores, essas diferenças não alteraram de forma significativa os resultados nas análises apresentadas. O modelo também conseguiu lidar com alguns tipos de cirurgia plástica ao estimar a idade. A rinoplastia, no entanto, foi uma exceção: nas fotos feitas depois da cirurgia, o programa tendia a estimar uma idade um pouco maior do que nas imagens da mesma pessoa antes do procedimento.
Esse resultado mostra que o desempenho do algoritmo depende não só de sua capacidade de analisar rostos, mas também dos tipos de imagem usados e das mudanças que podem ocorrer na aparência de uma pessoa. Mesmo quando determinado fator parece não afetar os resultados nos testes, isso precisa ser verificado em grupos diversos e em condições reais de fotografia antes que se tirem conclusões gerais.
Limites importantes antes de qualquer uso médico
A equipe não considera que o modelo esteja pronto para uso clínico. Uma das principais limitações é que os dados de pacientes com câncer usados para desenvolver a ferramenta de estimativa de sobrevivência vieram da região de Boston, e a maioria das pessoas tinha pele branca. Isso levanta uma questão fundamental: até que ponto os resultados são precisos para pessoas de diferentes origens e características? Uma única população não representa adequadamente a diversidade de rostos.
Os pesquisadores estão ampliando os dados de treinamento para incluir rostos mais diversos. Isso não é um detalhe técnico sem importância: uma representação insuficiente pode levar a resultados diferentes entre grupos da população. Se uma pontuação for apresentada como objetiva, mas for menos precisa para algumas pessoas, ela poderá causar uma impressão enganosa ou contribuir para decisões injustas. Por isso, é necessário fazer testes independentes e amplos, comparar o desempenho entre diferentes grupos e deixar claro qual é a margem de erro.
Também existe o risco de interpretar o resultado como uma sentença definitiva. Uma pontuação alta pode assustar o paciente ou, se for mal interpretada, levar à redução de tratamentos ou cuidados. Uma pontuação baixa, por sua vez, pode transmitir uma falsa sensação de segurança a alguém que precisa de atenção urgente. Matthew Liao, professor de bioética na Universidade de Nova York, alertou que um erro na estimativa pode privar uma pessoa dos cuidados necessários se a ferramenta for considerada mais confiável do que realmente é.
As preocupações não se limitam aos consultórios. No futuro, tecnologias que tentam avaliar a saúde pelo rosto poderiam ser usadas por seguradoras para decidir sobre a cobertura ou por empregadores na seleção de candidatos. Não há evidências de que o modelo atual tenha sido usado para esses fins, mas essas possibilidades mostram por que é importante pensar desde já em privacidade, consentimento e equidade — e em quem controla as imagens e os resultados, além de como alguém poderia contestá-los. Um indicador gerado por computador não é automaticamente neutro, nem seu uso é necessariamente adequado.
Conclusão
O estudo aponta um novo caminho de pesquisa: usar imagens do rosto para buscar indicadores que possam estar relacionados à evolução do câncer. Nos grupos analisados, pontuações mais altas estavam associadas a um maior risco de morte, e a combinação da estimativa de idade facial com a pontuação de sobrevivência pareceu melhorar as previsões. Mas o algoritmo ainda não explica exatamente o que identifica e não prova que características específicas do rosto causem a doença ou permitam prever o destino de cada paciente. Antes que imagens sejam usadas como apoio em hospitais, será preciso ampliar os dados, verificar o desempenho em populações diversas e avaliar as consequências práticas e éticas da tecnologia. Por enquanto, o resultado deve ser visto como uma pista promissora de pesquisa, não como diagnóstico nem como substituto de uma avaliação médica completa.