En gruppe forskere foreslog området omkring de menneskelige øjne som en effektiv biomarkør for alder. Efter at have trænet det neurale netværk på mere end 8.000 billeder af menneskelige øjne, præsenterede forskerne PhotoAgeClock, et program, der forudsiger alder fra et fotografi af øjnene med en nøjagtighed på to år. En artikel, der beskriver værket, blev offentliggjort i Aging-magasinet.
Eksterne tegn svarer ikke altid til en persons kalenderalder, men de kan afspejle tilstanden i hans krop og påvirkningen af forskellige eksterne faktorer, både negative og positive: dette kan være både rygning og alkoholmisbrug, samt korrekt ernæring og regelmæssig sport. Samtidig afspejler den såkaldte biologiske alder bedre kroppens tilstand og kan bruges til at vurdere de faktorer, der påvirker aldringsprocessen uden for forskellige sygdomme.
De eksisterende metoder til vurdering af en persons biologiske alder er temmelig komplicerede og er hovedsageligt baseret på DNA-analyse. I et nyt værk foreslog forskere under ledelse af Eugene Bobrov fra Moskva State University og den estiske tech-opstart HautAI OU at estimere alderen på mennesker fra fotografier af området omkring deres øjne. For at gøre dette uddannede de et neuralt netværk på par fotografier af den øverste del af ansigtet på 8414 mennesker og deres nøjagtige alder. Effektiviteten af det neurale netværk blev derefter testet på andre fotografier: systemet forudsagde den mest nøjagtige alder fra de billeder, hvor hjørnerne i øjnene var synlige. Neuralnetværket forudsagde en persons kronologiske alder med en nøjagtighed på 2,3 år.
På trods af det faktum, at det neurale netværk ikke har lært at forudsige biologisk alder, er forskerne overbeviste om, at effektiv automatisk bestemmelse af kronologisk alder kan være nyttig til at udvikle sådanne systemer eller forbedre udførelsen af vurderingen fra specialister. Desuden bemærker forskerne, at ændringer i huden rundt om hjørnerne af øjne også kan være betydelige parametre, når de vurderer aldring af kroppen, når de omhyggeligt analyseres.
Big data-analyse og maskinlæring kan hjælpe med at forudsige andre betydningsfulde medicinske faktorer. For eksempel fandt amerikanske forskere i september ud, at det er muligt at forudsige spredningen af fedme ved hjælp af satellitbilleder af byer: til dette er det nødvendigt automatisk at vurdere den lokale infrastruktur.
Elizaveta Ivtushok