Ryhmä tutkijoita ehdotti ihmisen silmien ympäröivää aluetta tehokkaaksi ikämarkkinamerkiksi. Tutkittuaan hermoverkon yli 8000 ihmisen silmäkuvasta, tutkijat esittelivät PhotoAgeClock-ohjelman, joka ennustaa ikää silmäkuvista kahden vuoden tarkkuudella. Teosta kuvaava artikkeli julkaistiin Aging-lehdessä.
Ulkoiset merkit eivät aina vastaa ihmisen kalenterivuotta, mutta ne voivat heijastaa hänen kehonsa tilaa ja erilaisten sekä negatiivisten että positiivisten ulkoisten tekijöiden vaikutusta: tämä voi olla sekä tupakointia että alkoholin väärinkäyttöä, samoin kuin oikeaa ravitsemusta ja säännöllistä liikuntaa. Samanaikaisesti ns. Biologinen ikä heijastaa paremmin kehon tilaa ja sitä voidaan käyttää arvioimaan ikääntymiseen vaikuttavia tekijöitä eri sairauksien ulkopuolella.
Nykyiset menetelmät ihmisen biologisen iän arvioimiseksi ovat melko monimutkaisia ja perustuvat pääasiassa DNA-analyysiin. Uudessa teoksessa tutkijat, joita vetävät Moskovan valtionyliopiston Eugene Bobrov ja virolainen startup-yritys HautAI OU, ehdottivat ihmisten iän arviointia valokuvien avulla heidän silmänsä ympärille. Tätä varten he kouluttivat hermoverkon parilla valokuvien parilla 8414 ihmisen kasvojen yläosasta ja heidän täsmällisestä iästään. Neuraaliverkon tehokkuutta testattiin sitten muilla valokuvilla: järjestelmä ennusti tarkemmin ikä kuvista, joissa silmien kulmat olivat näkyvissä. Neuraaliverkko ennusti ihmisen kronologista ikää tarkkuudella 2,3 vuotta.
Huolimatta siitä, että hermoverkko ei ole oppinut ennustamaan biologista ikää, tutkijat ovat vakuuttuneita siitä, että kronologisen iän tehokas automaattinen määrittäminen voi olla hyödyllinen tällaisten järjestelmien kehittämisessä tai asiantuntijoiden arvioinnin suorittamisen parantamisessa. Lisäksi tutkijat huomauttavat, että silmien kulmien ympärillä tapahtuvassa ihon muutoksessa voi olla myös merkittäviä parametreja arvioitaessa kehon ikääntymistä huolellisesti analysoitaessa.
Suuret tiedot -analyysi ja koneoppiminen voivat auttaa ennustamaan muita merkittäviä lääketieteellisiä tekijöitä. Esimerkiksi syyskuussa amerikkalaiset tutkijat havaitsivat, että liikalihavuuden leviäminen on mahdollista ennustaa kaupunkien satelliittikuvien avulla: tätä varten on välttämätöntä automaattisesti arvioida paikallinen infrastruktuuri.
Elizaveta Ivtushok