눈은 영혼의 창일 수 있지만, 사람의 생물학적 나이는 얼굴 특징에 반영될 수 있다. Mass General Brigham의 연구자들은 FaceAge라는 딥러닝 알고리즘을 개발했는데, 이는 사람의 얼굴 사진을 사용하여 암 환자의 생물학적 나이와 생존 결과를 예측한다. 연구자들은 평균적으로 암 환자의 FaceAge가 암이 없는 환자보다 높았고 실제 나이보다 약 5년 더 나이 들어 보였다. FaceAge 예측이 오래될수록 여러 암 유형에서 전반적인 생존 결과가 더 나빠졌다. 또한 그들은 FaceAge가 완화 방사선 요법을 받는 환자의 단기 기대 수명을 예측하는 데 임상의보다 우수한 것을 발견했다. 연구 결과는 The Lancet Digital Health에 게재되었다.

"인공지능(AI)을 사용하면 얼굴 사진에서 사람의 생물학적 나이를 추정할 수 있으며, 저희 연구는 이러한 정보가 임상적으로 의미가 있을 수 있음을 보여줍니다."라고 매사추세츠 제너럴 브리검 병원의 의학 인공지능(AIM) 프로그램 책임자이자 공동 선임 저자인 휴고 에어츠 박사가 말했다.

이 연구는 단순한 셀카 사진과 같은 사진이 환자와 임상의의 임상적 의사 결정 및 치료 계획 수립에 도움이 될 수 있는 중요한 정보를 담고 있음을 보여준다. 실제 나이에 비해 얼마나 나이 들어 보이는지는 매우 중요하다. 실제 나이보다 FaceAge가 젊은 사람들은 암 치료 후 훨씬 더 나은 결과를 보인다.

환자가 진찰실에 들어올 때, 환자의 외모를 통해 의사는 환자의 전반적인 건강 상태와 활력에 대한 단서를 얻을 수 있다. 환자의 생활 연령과 더불어 직관적인 평가를 여러 생물학적 측정치와 결합하면 가장 좋은 치료 과정을 결정하는 데 도움이 될 수 있다. 그러나 다른 사람들과 마찬가지로 의사도 환자의 나이에 대한 편견을 가질 수 있으며, 이러한 편견이 환자에게 영향을 미칠 수 있으므로 치료 결정에 대한 정보를 제공하는 데 있어 더 객관적이고 예측할 수 있는 척도에 대한 필요성이 커진다. 이러한 목표를 염두에 두고, 매사추세츠 브리검 종합병원의 조사관들은 딥러닝과 얼굴 인식 기술을 활용해 FaceAge를 훈련시켰다. 이 도구는 공개 데이터 세트에서 추정되는 건강한 개인의 사진 58,851장을 바탕으로 훈련되었다.

연구팀은 방사선 치료를 시작할 때 정기적으로 촬영한 사진을 사용하여 두 곳의 센터에서 6,196명의 암 환자를 대상으로 알고리즘을 테스트했다. 연구 결과에 따르면 암 환자는 암이 없는 환자보다 훨씬 나이가 많아 보였으며, 평균적으로 얼굴 나이는 실제 나이보다 약 5년 더 늙어 보였다. 암 환자 집단에서 나이가 많은 FaceAge는 생존 결과가 더 나쁜 것과 관련이 있었는데, 특히 85세보다 나이가 많아 보이는 개인의 경우 나이, 성별, 암 유형을 조정한 후에도 마찬가지였다.

수명이 다한 환자의 예상 생존 기간을 정확히 파악하기는 어렵지만 암 치료에 있어 중요한 의미가 있다. 연구팀은 임상의와 연구자 10명에게 완화 방사선 치료를 받는 환자의 사진 100장을 바탕으로 단기 수명을 예측해 달라고 요청했다. 임상의들의 예측은 성과에 따라 큰 차이가 있었지만, 전반적으로 동전 던지기보다 약간 더 나았을 뿐이었다. 심지어 환자의 나이와 암 상태와 같은 임상적 맥락을 제공한 후에도 그랬다. 하지만 임상의에게 환자의 FaceAge 정보까지 제공했을 때, 예측 능력이 상당히 향상되었다.

이 기술을 실제 임상 환경에 적용하기 위해서는 추가 연구가 필요하다. 연구팀은 이 기술을 이용해 질병, 전반적인 건강 상태, 수명을 예측하는 연구를 진행하고 있다. 후속 연구에는 이 작업을 다양한 병원으로 확장하고, 암의 다양한 단계에 있는 환자를 살펴보고, 시간 경과에 따른 FaceAge 추정치를 추적하고, 성형 수술 및 메이크업 데이터 세트에 대한 정확성을 테스트하는 것이 포함된다.

"이것은 사진을 이용한 바이오마커 발견의 완전히 새로운 영역을 열어주며, 그 잠재력은 암 치료나 나이 예측을 훨씬 뛰어넘습니다. 다양한 만성 질환을 노화의 질병으로 생각하는 경향이 커짐에 따라, 개인의 노화 과정을 정확하게 예측하는 것이 더욱 중요해지고 있습니다. 궁극적으로 이 기술을 강력한 규제 및 윤리적 틀 안에서 다양한 분야의 조기 진단 시스템으로 활용하여 생명을 구하는 데 기여할 수 있기를 바랍니다."라고 매사추세츠 제너럴 브리검 의대 AIM 프로그램 교수이자 공동 선임 저자인 레이 맥 박사는 말했다.

참조:
Dennis Bontempi, Osbert Zalay, Danielle S Bitterman, Nicolai Birkbak, Derek Shyr, Fridolin Haugg, Jack M Qian, Hannah Roberts, Subha Perni, Vasco Prudente, Suraj Pai, Andre Dekker, Benjamin Haibe-Kains, Christian Guthier, Tracy Balboni, Laura Warren, Monica Krishan, Benjamin H Kann, Charles Swanton, Dirk De Ruysscher, Raymond H Mak, Hugo J W L Aerts. FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study. The Lancet Digital Health, 2025; 100870 DOI: 10.1016/j.landig.2025.03.002