Desenvolvida por pesquisadores do Mass General Brigham, nos Estados Unidos, tecnologia foi treinada com mais de 40 milhões de imagens faciais e criou dois modelos para estimar idade biológica e risco de mortalidade. Especialistas alertam que a ferramenta ainda não está pronta para uso clínico.
Uma fotografia do rosto pode revelar mais do que a aparência de uma pessoa. Pesquisadores dos Estados Unidos desenvolveram uma inteligência artificial capaz de identificar características faciais associadas ao envelhecimento e estimar o risco de mortalidade entre pacientes com câncer.
A tecnologia foi criada por cientistas do Mass General Brigham, sistema de saúde e pesquisa que reúne hospitais vinculados à Harvard Medical School. O estudo foi publicado em 19 de outubro de 2026 na revista científica The Lancet Digital Health e apresenta uma nova abordagem para investigar a relação entre aparência facial, envelhecimento biológico e prognóstico oncológico.
Batizado de FAHR-Face (Foundation Artificial Intelligence for Health Recognition-Face), o modelo foi treinado com mais de 40 milhões de fotografias de rostos. A partir dessa base, os pesquisadores desenvolveram duas ferramentas complementares: uma estima a idade facial associada ao envelhecimento biológico; a outra identifica padrões relacionados à sobrevivência de pessoas com câncer.
PublicidadeA proposta é oferecer informações adicionais aos médicos na avaliação dos pacientes, especialmente antes de tratamentos intensivos, como cirurgias, radioterapia e terapias sistêmicas.
Como funciona a inteligência artificial?
O FAHR-Face utiliza técnicas de aprendizado profundo para reconhecer padrões em imagens faciais. Depois do treinamento inicial com milhões de fotografias, os pesquisadores adaptaram o modelo para duas finalidades diferentes.
1. FAHR-FaceAge: estimativa da idade biológica
Essa ferramenta analisa características do rosto para estimar uma idade facial. O resultado é comparado à idade cronológica, ou seja, aquela registrada a partir da data de nascimento.
Quando a idade estimada pela inteligência artificial é superior à idade real, os pesquisadores investigam se essa diferença pode estar relacionada a sinais de envelhecimento e a condições de saúde associadas ao prognóstico.
Publicidade
2. FAHR-FaceSurvival: estimativa de risco de mortalidade
A segunda ferramenta foi desenvolvida especificamente para analisar fotografias de pacientes com câncer e identificar padrões faciais associados à sobrevivência.
Diferentemente da primeira, ela não se limita a estimar a idade. Seu objetivo é classificar os pacientes conforme indicadores estatísticos de risco de mortalidade.
Embora as duas ferramentas tenham origem no mesmo modelo, elas analisam regiões diferentes do rosto e fornecem informações complementares.
O que os pesquisadores descobriram?
Os resultados apontaram uma associação entre características faciais, idade estimada pela inteligência artificial e desfechos de pacientes oncológicos.
Na avaliação do FAHR-FaceAge, o modelo apresentou erro médio absoluto de aproximadamente 5,1 anos na estimativa da idade em bases públicas de imagens.
Em uma análise com 38.183 pacientes com câncer submetidos à radioterapia, os pesquisadores observaram que a diferença entre a idade facial estimada e a idade cronológica estava relacionada à mortalidade. Pacientes cuja aparência foi estimada como pelo menos cinco anos mais velha do que a idade real apresentaram risco de morte 21% maior em comparação com os demais participantes. Já aqueles cuja idade facial estimada era pelo menos cinco anos menor apresentaram risco 17% inferior.
Na avaliação do FAHR-FaceSurvival, os pesquisadores observaram uma diferença expressiva entre os grupos classificados com maior e menor risco. Após ajustes para fatores clínicos, o grupo situado no quartil de maior risco apresentou uma taxa de mortalidade superior a três vezes a observada no quartil de menor risco.
O resultado indica que a análise facial conseguiu identificar padrões estatísticos associados à evolução clínica dos pacientes. Entretanto, não significa que uma fotografia determine o destino de uma pessoa.
Quais regiões do rosto são analisadas?
Um dos aspectos mais interessantes do estudo é que os dois algoritmos dão atenção a regiões diferentes.
O FAHR-FaceAge concentra parte importante de sua análise nas linhas entre o nariz e a boca, na região da testa acima dos olhos e nas têmporas.
Já o FAHR-FaceSurvival atribui maior importância à região abaixo dos olhos e ao redor da ponte do nariz.
Esses padrões são identificados pelo próprio sistema durante o processamento das imagens. Os pesquisadores ainda investigam quais características físicas e fisiológicas estão por trás das associações encontradas.
A análise não significa que rugas, olheiras ou determinados traços faciais sejam sinais isolados de câncer ou de risco de morte. O algoritmo identifica combinações estatísticas que foram relacionadas aos resultados observados nos grupos estudados.
Como a tecnologia poderá ajudar no tratamento do câncer?
A avaliação da condição física de um paciente é importante para definir quais tratamentos podem oferecer benefícios e quais riscos precisam ser considerados.
Em pessoas idosas ou com maior fragilidade, por exemplo, a decisão por uma cirurgia, radioterapia ou terapia sistêmica exige análise individualizada. A idade cronológica, sozinha, nem sempre representa a condição física de uma pessoa.
Nesse contexto, ferramentas como o FAHR-Face poderão, futuramente, contribuir com informações complementares sobre o estado de saúde e o prognóstico.
Segundo Raymond Mak, oncologista do Mass General Brigham e um dos autores do estudo, a proposta é tornar a avaliação baseada em fotografias mais objetiva e escalável, apoiando decisões individualizadas sem substituir o julgamento médico.
A combinação dos dois modelos também apresentou resultados complementares, melhorando a capacidade de avaliação do prognóstico em uma base independente de pacientes.
A tecnologia já pode ser usada pelos hospitais?
Ainda não como ferramenta de decisão clínica rotineira.
Apesar dos resultados promissores, especialistas independentes destacam que é necessário comprovar se a análise facial acrescenta informações relevantes às avaliações médicas já utilizadas.
Uma das limitações apontadas é que o estudo não demonstrou se o algoritmo consegue superar ou complementar de maneira efetiva a avaliação dos médicos sobre a condição geral e a fragilidade dos pacientes.
O professor Miroslaw Bober, da Universidade de Surrey, no Reino Unido, avaliou que a pesquisa apresenta evidências de uma associação estatística entre aparência facial e sobrevivência, mas ressaltou que os resultados ainda não foram validados como probabilidades individuais de sobrevivência ou como instrumento para decisões clínicas.
Outro ponto é a diversidade dos dados. Parte importante das bases utilizadas veio de centros de países de alta renda, o que exige novas avaliações em populações com diferentes características étnicas, demográficas e condições de acesso à saúde.
Também é necessário investigar como fatores como iluminação, expressão facial e qualidade da fotografia podem interferir nas estimativas. Os especialistas defendem estudos prospectivos, realizados em diferentes hospitais e grupos de pacientes, antes de uma eventual incorporação à rotina médica.
Uma fotografia não determina quanto tempo alguém vai viver
É fundamental compreender a diferença entre estimar um risco estatístico e prever o futuro de uma pessoa.
O FAHR-Face não informa uma data de morte, não substitui exames e não oferece um diagnóstico de câncer. Seus resultados identificam associações observadas em grupos de pacientes que participaram das pesquisas.
Além disso, a chamada idade biológica estimada pelo algoritmo é uma medida baseada na aparência facial. Ela não corresponde a uma avaliação direta de marcadores biológicos do envelhecimento, como alterações moleculares, inflamação ou capacidade funcional do organismo.
A tecnologia representa um avanço na investigação do uso da inteligência artificial na medicina, mas ainda precisa demonstrar que pode melhorar decisões e resultados reais no atendimento aos pacientes.
O desafio agora é transformar uma descoberta estatística em uma ferramenta clínica segura, confiável e aplicável a diferentes populações. Até lá, a avaliação médica continua sendo indispensável.