Група изследователи предложиха областта около човешките очи като ефективен биомаркер на възрастта. Тренирайки невронната мрежа върху повече от 8000 изображения на човешки очи, изследователите представиха PhotoAgeClock, програма, която предвижда възрастта от снимка на очите с точност от две години. Статия, описваща работата, е публикувана в списание Aging.
Външните признаци не винаги съответстват на календарната възраст на човек, но те могат да отразяват състоянието на тялото му и влиянието на различни външни фактори, както отрицателни, така и положителни: това може да бъде както пушене и злоупотреба с алкохол, така и правилно хранене и редовни упражнения. В същото време така наречената биологична възраст отразява по-добре състоянието на организма и може да се използва за оценка на факторите, влияещи върху процеса на стареене извън различни заболявания.
Съществуващите методи за оценка на биологичната възраст на човек са доста сложни и се основават главно на ДНК анализ. В нова работа изследователи, ръководени от Евгений Бобров от Московския държавен университет и естонския технологичен старт HautAI OU предложиха да се оцени възрастта на хората от снимки на района около очите им. За да направят това, те обучиха невронна мрежа върху двойки снимки на горната част на лицето на 8414 души и точната им възраст. Ефективността на невронната мрежа след това беше тествана на други снимки: системата най-точно прогнозира възрастта от изображенията, в които се виждаха ъглите на очите. Невронната мрежа прогнозира хронологичната възраст на човек с точност от 2,3 години.
Въпреки факта, че невронната мрежа не се е научила да прогнозира биологична възраст, изследователите са уверени, че ефективното автоматично определяне на хронологичната възраст може да бъде полезно за разработването на такива системи или за подобряване на ефективността на оценката от специалисти. Освен това учените отбелязват, че промените в кожата около ъглите на очите също могат да бъдат важни параметри при оценка на стареенето на тялото при внимателен анализ.
Големият анализ на данни и машинното обучение могат да помогнат за прогнозиране на други значими медицински фактори. Например през септември американски изследователи откриха, че е възможно да се предвиди разпространението на затлъстяването, като се използват сателитни снимки на градове: за това е необходимо автоматично да се оцени местната инфраструктура.
Елизавета Ивтушок