2026. aasta oktoobris avaldasid Mass General Brighami ja Harvardi meditsiinikooli uurijad ajakirjas The Lancet Digital Health uuringu tehisintellekti mudelist FAHR-Face. Süsteem, mis on treenitud 40 miljoni näopildi põhjal, suudab üheainsa foto põhjal ennustada vähidiagnoosiga patsientide elulemust, tuvastades riskigruppide vahel kuni 25-kordse erinevuse suremuses. Seejuures tugineb algoritm samadele näojoontele, mida kirjeldas juba Hipokrates 2500 aastat tagasi.
Kui kaamera näeb seda, mida arst vaid aimab
Umbes 400 aastat enne meie aega kirjeldas Vana-Kreeka arst Hipokrates sureva inimese nägu kliinilise täpsusega: sissevajunud silmad, lohkus oimukohad, külmad ja kokkutõmbunud kõrvad ning laubale pingule tõmmatud nahk. Ta nimetas seda viimaseks maskiks enne surma – facies Hippocratica. Sellest ajast peale on arstid seda maski lugeda püüdnud, otsides sealt märke keha hääbumisest.
2026. aasta 19. oktoobril avaldasid Mass General Brighami ja Harvardi meditsiinikooli teadlased ajakirjas The Lancet Digital Health midagi sellist, mis oleks vana kreeklase hetkeks täiesti nõutuks võtnud. Nad tutvustasid tehisintellekti mudelit, mis on läbi vaadanud 40 miljonit inimnägu ja suudab nüüd ainuüksi foto põhjal öelda, kas vähiga võitlev patsient on 90 päeva pärast veel elus.
Siin on see kummaline osa. Kui uurijad hakkasid analüüsima, milliseid näopiirkondi mudel kõige rohkem jälgib, ei osutanud algoritm kortsudele või hallidele juustele. Vastus peitus hoopis silmade all ja ninaseljal. Need on täpselt samad maamärgid, mille Hipokrates 2500 aastat tagasi küünlavalgel kirja pani.
Nüüd hoidke seda mõtet. See ei ole lihtsalt lugu uuest tarkvarast, vaid pikaajalisest püüdest muuta meditsiiniline vaist mõõdetavaks numbriks. Mudeli nimi on FAHR-Face (Foundation Artificial Intelligence for Health Recognition) ja seda on kahes versioonis. FAHR-FaceAge hindab patsiendi bioloogilist vanust – seda, mis seisukorras on keha tegelikult, mitte seda, mida näitab number sünnitunnistusel. FAHR-FaceSurvival aga jätab vaheetapid vahele ja ennustab suremust otse üheainsa foto põhjal.
Probleem, mida see lahendus sikutada püüab, on vanem kui ükski algoritm. Enne kui onkoloog määrab keemiaravi või soovitab operatsiooni, peab ta langetama otsuse: kas patsient on piisavalt tugev, et see ravi üle elada? Haiglates nimetatakse seda vahel „ukse pealt vaatamise testiks“ („the eyeball test“). See on kogenud, see on inimlik ja see on täiesti subjektiivne. Üks spetsialist võib näha habrast patsienti ja lubada talle agressiivset ravi, samas kui teine suunaks ta hirmust tüsistuste ees palliatiivsele raviskeemile. FAHR-Face on loodud selleks, et anda sellele intuitsioonile number – midagi korratavat ja kontrollitavat, mis oleks ühesugune igas maailma haiglas.
Nelikümmend miljonit nägu ja masinõppe anatoomia
Enne kui FAHR-Face suutis lugeda esimestki patsiendi nägu, pidi ta õppima selgeks, mis asi on üldse inimnägu. See haridus nõudis 40 miljonit kujutist, mis hõlmasid kogu inimelu kaart – imikutest eakateni, iga nurga alt, iga nahatooniga. Treeningmeetodina kasutati nn maskitud autokodeerijaid (masked autoencoders). See on enesejuhitav tehnika, mis toimib sarnaselt puslele: mudeli eest peidetakse osa pildist ja ta on sunnitud puuduvad lüngad ise rekonstrueerima.
Sealjuures ei olnud mingeid silte. Ükski arst ei öelnud masinale ette: „See inimene siin on haige“. Mudel õppis lihtsalt struktuuri tohutu mahu pealt.
Sellest treeningust koorus välja mitte üks tööriist, vaid kaks, ja huvitav on see, et nad ei vaata sugugi samu kohti. FAHR-FaceSurvival ehk suremuse ennustaja keskendub silmadealusele piirkonnale ja ninaseljale. FAHR-FaceAge, mis hindab bioloogilist vanust, loeb aga hoopis teistsugust kaarti: nina ja suunurga vahelisi vagusid, laupa ja oimukohti. Kaks küsimust, kaks anatoomilist grammatikat, mis on mõlemad kirjutatud samale näole.
Uuringu leiud muutuvad eriti kõnekaks seal, kus numbrid kohtuvad reaalsusega. Selgus, et bioloogilise vanuse hinnangud jäid püsima isegi siis, kui muutus inimese poos, valgustus või näoilme. Veelgi enam – ja seda kirjeldasid autorid ise üllatusena –, mudelit ei eksitanud ka enamik ilukirurgilisi operatsioone. Pinguldatud laup või silutud korts ei petnud algoritmi ära. See luges midagi sügavamat kui vaid pinnapealset geomeetriat: see on kumulatiivne bioloogiline register, mida kosmeetiline sekkumine ei kustuta.
Mõelge sellele nii: värske värvikiht ei muuda seda, millal hoone on ehitatud. Konstruktsiooni kulumine ja materjali väsimus püsivad värvi all edasi.
Mudeli valideerimiseks kasutati 30 000 vähidiagnoosiga patsiendi andmeid. See ei ole enam lihtsalt pilootuuring või laboratoorne kurioosum; see on andmehulk, mis sunnib ka kõige skeptilisemat kliinikut korraks hinge tõmbama ja küsima: kas me tõesti oleme midagi kahe silma vahele jätnud?
Numbrid, mis sunnivad peatuma
Kolmkümmend tuhat inimest. See on piisavalt suur valim, et enamik statistilisi vastuväiteid kaotaks oma jõu. See on number, mis muudab paljulubava eksperimendi millekski, mida praktiseeriv arst peab tõsiselt võtma.
Esimene leid kõlab peaaegu poeetiliselt, kuni selle sügavusse süüvida. Vähidiagnoosiga patsiendid näevad oma näolt keskmiselt viis aastat vanemad välja kui nende tegelik kalendriaastate arv. Ja see pole vaid mõne üksiku haigusjuhtumi viga, mis keskmist üles tõmbab – muster kordub läbi kogu andmestiku. Bioloogia on haiguse juba ammu näole kirjutanud, aga meil puudus seni meetod selle täpseks mõõtmiseks.
Teine leid muudab selle poeesia karmiks praktikaks. Patsientidel, kes nägid välja viis või enam aastat vanemad kui nad tegelikult olid, oli 21 % suurem suremuse risk. See ei pruugi üksi tunduda dramaatilise arvuna – riskistatistika harva on. Kuid see on püsiv signaal, mis on näol loetav ainuüksi foto põhjal.
Ja siis tulevad numbrid, mis ei ole enam statistilised, vaid suisa kehaliselt tuntavad. Selles grupis, mille mudel märkis kõrgeima riskiga rühmaks, surid 90 päeva jooksul pooled patsientidest. 50 protsenti. Madalaima riskiga rühmas oli see näitaja sama ajavahemiku jooksul vaid 2 protsenti. Pange need kaks numbrit kõrvuti: 25-kordne erinevus tulemuses, mida eristab vaid see, mida algoritm leidis silmade alt ja ninaseljalt.
See lõhe ongi FAHR-Face’i praktiline tuum. Onkoloogid teevad sarnaseid otsuseid juba praegu – „Kas see patsient elab üle agressiivse keemiaravi?“ –, kuid nad teevad seda tunde pealt, kogemuse põhjal, kliinilise vaistuga, mis on küll ehtne ja imetlusväärne, kuid paratamatult ebaühtlane. Mudel lisab siia dokumenteeritud ja korratava signaali. Mitte absoluutse tõe, vaid signaali. Kas see on piisavalt tugev, et mõjutada raviotsust, on juba teine küsimus – ja uurijad on hoolikad, et mitte sellele lugeja eest vastata.
Miks vähk muudab nägu ja mida see tegelikult tähendab?
Kujutage ette kahte meest, mõlemad 58-aastased. Üks on kolmkümmend aastat jalgsi tööl käinud, hästi maganud ja söönud enam-vähem sama kraami, mida tema vanaema. Teine on suitsetanud kahekümnendatest eluaastatest saati, tarvitanud ohtralt alkoholi ja vaadanud pealt, kuidas tema keha võtab aasta-aastalt vastu hoope. Kõrvuti pildil ei näe nad välja samavanused.
Nende sünnitunnistus ütleb 58, aga nende näod räägivad midagi muud. See ongi bioloogiline vanus. See pole metafoor, vaid mõõdetav erinevus selle vahel, kui kaua te olete elanud ja millises seisukorras on teie rakud tegelikult. Pidev stress, alkohol, suitsetamine, kroonilised haigused – igaüks neist teeb molekulaarsesse pearaamatusse sissekande.
Põletikud kuhjuvad. Kudede uuenemine aeglustub. Telomeerid ehk kromosoomide otsad lühenevad enne tähtaega. Nägu oma õhukese naha, tiheda veresoovõrgustiku ja pideva kokkupuutega väliskeskkonnaga on üks neist kohtadest, kde see pearaamat muutub nähtavaks.
FAHR-Face leidis täpselt seda: suitsetamine, suur alkoholitarbimine ja uimastite kasutamine korreleeruvad mudelis bioloogiliselt vanema välimusega. Vähk võimendab seda efekti. Haigus kurnab keha ressursse, tõstab süsteemset põletikutaset ja kiirendab just neid protsesse, mis kudesid vanandavad. Nägu ei põhjusta siin midagi; see on lihtsalt aken sisemistesse protsessidesse – metaboolsesse stressi ja rakkude hooldussüsteemi tõrkumisse –, mis ennustavad ravi edukust.
Me ei loe nägu esimest korda
FAHR-Face on küll uus, aga idee selle taga ei ole. Juba aastaid on platvorm nimega Face2Gene teinud midagi, mis tundub ikka veel pisut nõiduslikuna: sisestades lapse foto närvivõrku, suudab süsteem tuvastada üle 200 haruldase geneetilise sündroomi, mis on kirjutatud tema näojoonte sisse.
Peen silmakoobaste asetus, nina ja ülahuule vahelise vao kumerus – mustrid, mis jäävad nähtamatuks arstile, kes pole varem sellist haigusjuhtu näinud, on loetavad süsteemile, mida on treenitud tuhandete näidete peal. Inimnäo diagnostiline pind on alati olnud rikkalikum, kui meie silmad üksi suudavad tabada.
Sarnases suunas liigub ka radioloogia. Näiteks Eesti tervisetehnoloogia idufirma Better Medicine rakendab lähedast masinõppe lähenemist neeruvähi tuvastamiseks, kuid nemad loevad fotode asemel radioloogilisi ülesvõtteid. Loogika on identne: treeni süsteemi piisava hulga näidetega ja algoritm leiab signaali sealt, kus inimese silm näeb vaid müra.
FAHR-Face toob aga kaasa nihke algmaterjalis. Face2Gene vajab endiselt kontrollitud tingimustes tehtud kliinilisi fotosid ning radioloogia nõuab kalleid seadmeid. FAHR-Face pakub aga välja midagi märksa vaiksemat ja häirivamat: tavaline foto kui kliiniline instrument.
Ei mingeid spetsiaalseid kaameraid, kontrastaineid ega järjekordi röntgenikabineti taga. Pilt, mille patsient saadab lapselapsele, võib teoreetiliselt muutuda terviseseisundi hindamise aluseks. See pole väike samm. See muudab seda, kes kogub andmeid, kus ja millal – ning need küsimused ulatuvad onkoloogiast märksa kaugemale.
Mida me veel öelda ei saa – ja miks see on loo huvitavaim osa
Miroslaw Bober, tuntud arvutinägemise uurija, on öelnud välja selle, mida pealkirjad sageli varjavad: see tehnoloogia ei ole veel kliiniliseks kasutamiseks valmis. See pole hukkamõist, vaid koordinaat kaardil, mis ütleb täpselt, kus me praegu asume.
Lahtisi küsimusi on palju. Me ei tea, kuidas süsteem käitub erinevate etniliste rühmade puhul, sest 40 miljoni treeningpildi mitmekesisus ei tähenda automaatselt valideeritud täpsust kõigis populatsioonides. Samuti pole veel ületatud lõhet kliinilise kaamera ja tarbija nutitelefoni vahel, kus mängu tulevad muutlik valgustus ja pildikvaliteeti moonutavad algoritmid.
Puuduvad ka eetilised ja regulatiivsed raamistikud, mis ohjaksid tööriista, mis määrab su tervisele hinde ainuüksi foto põhjal. Ja aeg uuringu valideerimisest kuni igapäevase haiglatarkvarani on hetkel täiesti teadmata.
Siis on veel privaatsuse küsimus, mis on sootuks teistsugune kui vereproovi puhul. Nägu ei ole veretilk, mis on lukustatud sügavkülmikusse. Meie nägu jääb igale avalikule fotole, sotsiaalmeediasse, uudiste taustale või töökaardile. Näofotode söötmine tervisealgoritmidesse loob biomeetrilise riski, millel puudub varasem eeskuju. Teie bioloogilise vanuse hinnangu saaks teoreetiliselt kätte fotolt, mille jagamiseks arstiga te pole kunagi luba andnud.
Uurijad on esitanud USA ajutise patenditaotluse, mis tähendab, et teadusliku publikatsiooniga käib kaasas ka äriline huvi. See pole tänapäeva meditsiinis tavatu, kuid seda on oluline mainida.
See 25-kordne erinevus riskirühmade suremuses on andmetes olev reaalne signaal. Kuid mida see tähendab haiglas – millise seadusandluse all, kelle kaameraga ja milliste patsientide jaoks –, on küsimus, mis ootab alles vastust. Hipokrates vaatas surevat nägu ja tegi otsuse. Meie oleme ehitanud tehisintellekti, mis suudab lugeda vähiennustust 30 000 juhul korraga. See, kas see mudel kuulub kliinikusse, on järgmine eksperiment, ja see on alles vaevalt alanud. Me ei tea veel vastust. Ja see, ausalt öeldes, ongi kõige põnevam osa.
