Kann eine KI im Gesicht den Verlauf von Krebs erkennen?

Einfach erklärt

Forschende haben ein Computerprogramm mit vielen Gesichtsbildern trainiert und geprüft, ob es bei Menschen mit Krebs Hinweise auf ihren Gesundheitszustand findet. Bei großen Gruppen hingen die Einschätzungen mit der Überlebenszeit zusammen. Ein Foto kann aber nicht vorhersagen, was einem einzelnen Menschen passieren wird. Für Behandlungsentscheidungen ist die Methode noch nicht zuverlässig genug.

Ein Gesicht kann Hinweise auf den Zustand des Körpers zeigen, die man im Spiegel vielleicht nicht bemerkt. Doch lässt sich daraus eine verlässliche medizinische Einschätzung ableiten? Ein Forschungsteam hat eine KI Gesichter analysieren lassen. Die dabei ermittelten Werte standen bei den untersuchten Patientinnen und Patienten statistisch mit ihren Überlebenschancen in Zusammenhang. Das bedeutet jedoch weder, dass das Bild die Ursache der Erkrankung erklärt, noch dass die KI den Verlauf für eine einzelne Person vorhersagen kann.

Vom ärztlichen Eindruck zur computergestützten Einschätzung

Ärztinnen und Ärzte beurteilen manchmal auch, wie fit und gebrechlich ein Patient wirkt. Neben Untersuchungen und Krankenakten kann dieser Gesamteindruck bei Überlegungen zu möglichen Behandlungen eine Rolle spielen – etwa bei einer Operation, einer Chemo- oder Strahlentherapie oder bei der Frage, wie viel Unterstützung jemand braucht. Solche Einschätzungen können jedoch von Arzt zu Arzt unterschiedlich ausfallen, denn sie beruhen auch auf Erfahrung und persönlicher Beobachtung.

Ein Team um den Radioonkologen Ray Mak vom Massachusetts General Brigham Cancer Institute wollte deshalb untersuchen, ob eine automatisierte Analyse eine zusätzliche, einheitlichere Information liefern könnte. Die Idee ist nicht, Ärztinnen und Ärzte zu ersetzen. Vielmehr sollte geprüft werden, ob ein Computer in Gesichtern Muster erkennt, die sich mit bloßem Auge schwer erfassen lassen, und daraus einen Hinweis gewinnt, der neben anderen medizinischen Informationen stehen könnte.

Zunächst wurde das Modell mit rund 40 Millionen Gesichtsbildern trainiert, ohne ihm eine bestimmte Aufgabe zu geben. Nachdem es allgemeine Bildmuster gelernt hatte, passten die Forschenden es für zwei Aufgaben an: Es sollte das biologische Alter eines Gesichts schätzen und anschließend anhand von Bildern Krebskranker deren Überlebenschancen einschätzen. Das biologische Alter ist dabei nicht das Alter im Pass, sondern eine Schätzung anhand des Aussehens – und kann vom tatsächlichen Alter abweichen.

Was zeigten die Tests mit Patientinnen und Patienten?

In einer Testgruppe mit 3820 Krebspatientinnen und -patienten teilten die Forschenden die Ergebnisse in verschiedene Risikostufen ein. Von den 122 Personen mit den höchsten Werten starben 64 innerhalb von 90 Tagen nach der Aufnahme ihrer Bilder. Das deutet darauf hin, dass die hohe Einstufung in dieser Gruppe mit einer auffälligen Sterberate in kurzer Zeit zusammenhing. Es heißt aber nicht, dass alle Menschen mit einem hohen Wert sterben oder dass der Wert allein erklärt, warum jemand gestorben ist.

In einer größeren, unabhängigen Untersuchung mit mehr als 38.000 Patientinnen und Patienten zeigte sich ein weiterer Zusammenhang: Wer von der KI älter eingeschätzt wurde, als er tatsächlich war, starb insgesamt häufiger. Das beschreibt eine Tendenz in den Daten, keine feste Regel für jeden Einzelfall. Was sich im Durchschnitt bei vielen Menschen zeigt, lässt sich nicht automatisch als sichere Vorhersage auf eine einzelne Person übertragen.

Nach Angaben der Forschenden verbesserte die Kombination aus der geschätzten Gesichts-Altersangabe und dem Wert für die Überlebenschancen die Vorhersageleistung des klinischen Modells. Die beiden Angaben könnten also unterschiedliche Informationen enthalten und gemeinsam nützlicher sein als jeweils für sich. Die vorliegenden Ergebnisse belegen allerdings nicht, dass das Verfahren schon für Entscheidungen im medizinischen Alltag geeignet ist.

Welche Bereiche des Gesichts fielen der KI auf?

Das Team untersuchte nicht nur die Ergebnisse, sondern auch, auf welche Gesichtspartien das Modell bei seinen Einschätzungen besonders achtete. Bei der Altersschätzung spielten die Falten zwischen Nase und Mund sowie Bereiche der Stirn eine auffällige Rolle. Für die Einschätzung des Sterberisikos richtete das Modell seine Aufmerksamkeit stärker auf den Nasenrücken und die Partie unter den Augen.

Wo eine KI hinschaut, erklärt jedoch noch nicht, warum bestimmte Merkmale mit einem Ergebnis zusammenhängen. Die Bilder könnten sichtbare Hinweise auf den allgemeinen Gesundheitszustand enthalten. Ebenso könnten andere Faktoren eine Rolle spielen oder das Modell könnte Muster aus seinen Trainingsdaten übernommen haben, deren biologische Bedeutung unklar ist. Daraus lässt sich weder schließen, dass Falten an einer bestimmten Stelle oder die Nasenform ein Risiko verursachen, noch dass solche Merkmale für sich genommen als medizinische Hinweise taugen.

Als eine mögliche Erklärung diskutierten die Forschenden, dass das Aussehen manche bekannten Gewohnheiten oder Gesundheitsumstände widerspiegeln könnte. Mak zufolge hing ein älter wirkendes Gesicht bei manchen Menschen mit Rauchen und übermäßigem Alkoholkonsum zusammen. Das beweist jedoch nicht, dass das Modell Rauchen oder Alkoholkonsum direkt erkennt. Auch andere Faktoren könnten sowohl das Aussehen als auch den Gesundheitszustand beeinflussen.

Spielen Lächeln und Licht eine Rolle?

Das Team testete Bilder mit unterschiedlichen Gesichtsausdrücken, mit und ohne Make-up sowie unter verschiedenen Lichtbedingungen. Den Analysen zufolge veränderten diese Unterschiede die Ergebnisse nicht wesentlich. Auch mit manchen Formen der Schönheitschirurgie kam das Modell bei der Altersschätzung zurecht. Eine Ausnahme war die Nasenkorrektur: Auf Bildern nach dem Eingriff schätzte das Programm das Alter der betreffenden Person tendenziell etwas höher ein als auf Aufnahmen vor der Operation.

Das zeigt, dass die Leistung einer KI nicht nur davon abhängt, ob sie ein Gesicht analysieren kann. Entscheidend ist auch, welche Bilder sie zu sehen bekommt und wie sich die Gesichtszüge verändern können. Selbst wenn ein bestimmter Einfluss in Tests keine deutliche Wirkung zeigt, muss das an vielfältigen Personengruppen und unter realistischen Aufnahmebedingungen überprüft werden, bevor sich die Ergebnisse verallgemeinern lassen.

Wichtige Grenzen vor einem möglichen Einsatz in der Medizin

Das Forschungsteam hält das Modell derzeit nicht für den Einsatz in der klinischen Praxis bereit. Eine wesentliche Einschränkung: Die Daten von Krebspatientinnen und -patienten, mit denen das Modell zur Einschätzung der Überlebenschancen entwickelt wurde, stammten aus der Region Boston. Die meisten Teilnehmenden waren weiß. Damit stellt sich die grundlegende Frage, wie zuverlässig die Ergebnisse bei Menschen unterschiedlicher Herkunft und mit verschiedenem Hintergrund sind. Eine einzelne Gruppe kann die Vielfalt menschlicher Gesichter nicht ausreichend abbilden.

Die Forschenden arbeiten daran, die Trainingsdaten um vielfältigere Gesichter zu erweitern. Das ist keine bloße technische Nebensache: Sind bestimmte Bevölkerungsgruppen zu wenig vertreten, kann die KI bei ihnen schlechter funktionieren. Wird ein einzelner Wert als objektiv dargestellt, obwohl er für manche Gruppen weniger genau ist, kann das zu einem irreführenden Eindruck oder unfairen Entscheidungen führen. Nötig sind deshalb umfangreiche unabhängige Tests, Vergleiche zwischen verschiedenen Gruppen und klare Angaben zur möglichen Fehlerquote.

Außerdem besteht die Gefahr, dass ein Ergebnis als endgültiges Urteil verstanden wird. Ein hoher Wert könnte Patientinnen und Patienten beunruhigen oder dazu führen, dass eine Behandlung oder Versorgung eingeschränkt wird, wenn man ihn falsch deutet. Ein niedriger Wert wiederum könnte trügerische Sicherheit vermitteln, obwohl jemand dringend Hilfe braucht. Matthew Liao, Professor für Bioethik an der New York University, warnte, dass eine Fehleinschätzung Menschen die notwendige Versorgung vorenthalten könnte, wenn man dem Verfahren zu sehr vertraut.

Die Bedenken reichen über die Arztpraxis hinaus. Künftig könnten Verfahren, die den Gesundheitszustand anhand des Gesichts einschätzen, bei Entscheidungen von Versicherungen über den Versicherungsschutz oder von Arbeitgebern bei der Auswahl von Bewerberinnen und Bewerbern eine Rolle spielen. Für das hier untersuchte Modell ist ein solcher Einsatz nicht belegt. Die möglichen Anwendungen zeigen aber, warum Fragen zu Datenschutz, Einwilligung und Fairness früh geklärt werden müssen: Wer besitzt die Bilder und Ergebnisse, und wie kann man gegen eine Entscheidung Einspruch erheben? Ein automatisiert berechneter Wert ist nicht automatisch neutral oder sinnvoll eingesetzt.

Fazit

Die Studie eröffnet einen neuen Forschungsansatz: Aus Gesichtsbildern sollen Hinweise gewonnen werden, die mit dem Krankheitsverlauf von Krebspatientinnen und -patienten zusammenhängen könnten. In den untersuchten Gruppen gingen höhere Werte mit einem größeren Sterberisiko einher. Auch schien die Kombination aus geschätztem Gesichts-Alter und Überlebenswert bessere Vorhersagen zu ermöglichen als jeder Wert für sich. Doch die KI kann noch nicht erklären, was genau sie erkennt. Die Studie zeigt auch nicht, dass bestimmte Gesichtszüge Krebs verursachen oder den Verlauf bei einzelnen Menschen vorhersagen. Bevor Gesichtsbilder in Kliniken als Hilfsmittel dienen können, braucht es vielfältigere Daten, Tests an unterschiedlichen Gruppen und Untersuchungen zu den praktischen und ethischen Folgen. Bis dahin ist das Verfahren ein vielversprechender Forschungsansatz – keine Diagnose und kein Ersatz für eine umfassende medizinische Beurteilung.