Una inteligencia artificial desarrollada por investigadores estadounidenses es capaz de analizar fotografías del rostro para estimar el riesgo de mortalidad en pacientes con cáncer. El sistema, denominado FAHR-Face, identifica características faciales relacionadas con el envejecimiento y el estado general de salud. Los resultados de la investigación, publicados el 19 de octubre de 2026 en la revista científica The Lancet Digital Health, apuntan a una posible nueva herramienta para mejorar la evaluación de pacientes oncológicos.
El hallazgo más llamativo es que los pacientes clasificados por el algoritmo dentro del grupo de mayor riesgo presentaron una mortalidad más de tres veces superior a la de quienes fueron considerados de menor riesgo, incluso después de tener en cuenta determinadas variables clínicas.
La tecnología todavía se encuentra en fase de investigación. No permite determinar cuándo morirá una persona ni sustituye las pruebas médicas utilizadas para evaluar la evolución del cáncer.
Una fotografía del rostro puede revelar señales relacionadas con la salud
El aspecto físico de una persona puede proporcionar información sobre su estado general de salud.
Los médicos observan habitualmente características como la pérdida de peso, los cambios en la piel y los signos visibles de debilidad para completar sus evaluaciones clínicas.
Sin embargo, estas observaciones no siempre son fáciles de cuantificar.
Investigadores del centro médico estadounidense Mass General Brigham decidieron estudiar si la inteligencia artificial podía reconocer patrones faciales relacionados con el envejecimiento y la supervivencia.
El objetivo era desarrollar una herramienta capaz de complementar las evaluaciones tradicionales mediante el análisis de una fotografía.
Esta posibilidad resulta especialmente interesante en oncología, donde la edad cronológica no siempre refleja la capacidad física de un paciente para afrontar un tratamiento.
Dos personas de 70 años pueden presentar estados de salud muy diferentes. Una puede mantener una buena capacidad funcional, mientras que otra puede encontrarse debilitada por enfermedades previas u otros factores.
La inteligencia artificial pretende identificar algunas de esas diferencias a partir de señales que no siempre resultan evidentes para el observador humano.
Cómo funciona FAHR-Face, el sistema entrenado con 40 millones de imágenes
Los investigadores desarrollaron FAHR-Face utilizando un modelo de inteligencia artificial entrenado inicialmente con más de 40 millones de fotografías faciales.
Esta primera fase permitió que el sistema aprendiera a reconocer características generales de los rostros.
Posteriormente, los científicos adaptaron el modelo para desarrollar dos herramientas con funciones diferentes.
| Herramienta | Qué analiza |
| FAHR-FaceAge | Características faciales asociadas al envejecimiento |
| FAHR-FaceSurvival | Patrones del rostro relacionados con el riesgo de mortalidad en pacientes con cáncer |
FAHR-FaceAge estima una edad facial que puede compararse con la edad cronológica del individuo.
Esta estimación puede reflejar determinadas señales asociadas al envejecimiento, aunque no equivale a medir todos los procesos que determinan la edad biológica.
FAHR-FaceSurvival, por su parte, analiza directamente características faciales relacionadas con la supervivencia de pacientes oncológicos.
La principal novedad es que ambos modelos identifican información parcialmente diferente, lo que permite estudiar su posible utilidad complementaria.
El sistema no necesita conocer previamente el diagnóstico detallado para procesar la fotografía, aunque sus resultados sobre supervivencia se han investigado en poblaciones de pacientes con cáncer.
Los investigadores analizaron más de 34.000 fotografías de pacientes oncológicos
Para desarrollar el modelo de supervivencia, el equipo utilizó 34.363 imágenes faciales de pacientes con cáncer.
El sistema aprendió a identificar asociaciones entre determinadas características del rostro y la evolución de los pacientes.
Posteriormente, los investigadores evaluaron su funcionamiento mediante conjuntos independientes de datos procedentes de Estados Unidos y Países Bajos.
Los resultados mostraron diferencias relevantes entre los grupos clasificados por la inteligencia artificial.
Los pacientes situados en la categoría de mayor riesgo presentaron una mortalidad más de tres veces superior a la de aquellos incluidos en la categoría de menor riesgo.
La asociación persistió después de ajustar los resultados por determinadas características clínicas.
Este dato sugiere que la información facial podría aportar valor adicional a las evaluaciones médicas convencionales.
Sin embargo, un riesgo relativo tres veces mayor no significa que una persona tenga tres veces más probabilidades absolutas de fallecer en cualquier circunstancia.
La interpretación depende del periodo estudiado, del riesgo inicial y de las características de los pacientes incluidos.
Tampoco significa que todos los individuos clasificados como de mayor riesgo presenten una evolución desfavorable.
Aparentar más edad también se relacionó con una peor supervivencia
El estudio examinó la diferencia entre la edad real de los pacientes y la edad que estimaba el sistema a partir de sus características faciales.
Los investigadores observaron que una apariencia facial más envejecida se asociaba, en los grupos analizados, con un mayor riesgo de mortalidad.
Este resultado coincide con la idea de que el envejecimiento no avanza necesariamente al mismo ritmo en todas las personas.
Los cambios físicos pueden reflejar procesos relacionados con la fragilidad, el deterioro funcional y determinadas enfermedades.
No obstante, existen límites importantes.
Aparentar más edad no provoca cáncer ni demuestra por sí solo que una persona tenga peor salud.
El envejecimiento facial está influido por factores genéticos, ambientales y relacionados con los hábitos personales.
Por ello, una estimación realizada mediante inteligencia artificial debe interpretarse dentro del contexto clínico y no como un diagnóstico independiente.
Qué partes del rostro utiliza la inteligencia artificial
Una de las cuestiones investigadas fue qué regiones faciales contribuían en mayor medida a las predicciones de los modelos.
Los científicos comprobaron que las dos herramientas prestaban atención a zonas diferentes.
FAHR-FaceAge identificaba información relevante en áreas como la frente, las sienes y los pliegues nasolabiales.
En cambio, FAHR-FaceSurvival mostraba una mayor atención a determinadas regiones situadas alrededor de los ojos y el puente nasal.
Esta diferencia sugiere que el algoritmo especializado en supervivencia no se limita a calcular la edad aparente del paciente.
Podría estar identificando otras señales relacionadas con su estado físico.
Sin embargo, los investigadores todavía no conocen completamente el significado biológico de todos esos patrones.
Los mapas de atención de una inteligencia artificial ayudan a estudiar qué zonas influyen en sus resultados, pero no demuestran que una arruga, una ojera o una característica facial concreta sea responsable de la evolución de una enfermedad.
Para qué podría utilizarse esta IA en los hospitales
La principal aplicación futura de esta tecnología estaría relacionada con la evaluación del estado general de los pacientes antes de iniciar determinados tratamientos.
En oncología, las decisiones médicas dependen de numerosos factores.
Los especialistas tienen en cuenta el tipo de tumor, su extensión, las características del paciente, las enfermedades previas y la capacidad para tolerar intervenciones.
Algunos tratamientos pueden provocar efectos secundarios importantes y requieren valorar cuidadosamente los riesgos y beneficios.
Una herramienta capaz de aportar información adicional sobre el estado físico podría ayudar a complementar esas decisiones.
Entre sus posibles aplicaciones se encuentran:
- Evaluación de la fragilidad: identificar señales que puedan justificar una valoración clínica más detallada.
- Planificación de tratamientos: aportar información complementaria sobre el riesgo general del paciente.
- Seguimiento clínico: estudiar posibles cambios en las características faciales durante la evolución de la enfermedad.
- Investigación médica: analizar la relación entre envejecimiento facial, enfermedades y supervivencia.
Estas aplicaciones todavía deben investigarse.
Los resultados actuales no demuestran que utilizar FAHR-Face permita elegir mejores tratamientos o aumentar la supervivencia.
Para comprobarlo serán necesarios estudios adicionales que evalúen su utilidad en condiciones reales de asistencia sanitaria.
¿Puede una fotografía revelar cuánto tiempo vivirá una persona?
No. La inteligencia artificial no puede determinar con certeza cuánto tiempo le queda de vida a una persona.
FAHR-FaceSurvival identifica asociaciones estadísticas entre características faciales y mortalidad en determinadas poblaciones de pacientes con cáncer.
Eso es diferente de predecir con exactitud la evolución individual.
La supervivencia depende de numerosos factores, como el tipo de cáncer, el estadio de la enfermedad, las características moleculares del tumor, la respuesta al tratamiento y el estado general del paciente.
Una fotografía no contiene toda esa información.
Además, el modelo se ha estudiado principalmente en personas que ya tenían un diagnóstico oncológico.
No sirve para detectar cáncer en personas sanas ni para descubrir enfermedades ocultas mediante una fotografía.
Tampoco puede utilizarse para decidir por sí solo si una persona debe recibir quimioterapia, radioterapia o cirugía.
Su posible utilidad estaría en complementar, nunca sustituir, la valoración realizada por los profesionales sanitarios.
Los desafíos de utilizar imágenes faciales para evaluar pacientes
Antes de incorporar este tipo de herramientas a los hospitales, los investigadores deberán resolver varias cuestiones.
Una de las más importantes es comprobar que el sistema funcione con suficiente precisión en diferentes poblaciones.
Las características faciales varían por múltiples factores, y los modelos de inteligencia artificial pueden presentar diferencias de rendimiento cuando se utilizan con personas poco representadas en los datos de entrenamiento.
También habrá que determinar cómo influyen las condiciones de iluminación, la calidad de la imagen y las características de los dispositivos utilizados para tomar las fotografías.
Otro desafío es la privacidad.
Las imágenes faciales permiten identificar personas y, cuando se utilizan para evaluar riesgos médicos, pueden revelar información sensible relacionada con la salud.
Su utilización clínica exigiría mecanismos adecuados de protección de datos, seguridad y supervisión.
Además, será necesario demostrar que las predicciones ofrecen una ventaja real frente a los métodos actuales.
Un algoritmo puede encontrar asociaciones estadísticas y, aun así, no resultar suficientemente fiable o útil para orientar decisiones médicas.
Una nueva forma de estudiar el envejecimiento y la supervivencia
El equipo de Mass General Brigham pretende continuar investigando las relaciones entre las características faciales, el envejecimiento y el estado de salud.
Los próximos estudios deberán comprobar si los resultados se mantienen en otras poblaciones y determinar qué información aporta el sistema cuando se combina con pruebas médicas convencionales.
También será necesario establecer si las predicciones pueden utilizarse para mejorar el seguimiento de los pacientes y orientar evaluaciones más personalizadas.
La investigación demuestra que las fotografías faciales pueden contener señales asociadas a procesos fisiológicos que todavía no comprendemos completamente.
Pero el potencial de la tecnología no debe confundirse con una capacidad clínica ya demostrada.
El verdadero avance no consiste en que una máquina pueda adivinar cuándo morirá alguien al observar su rostro, sino en descubrir si determinadas señales visibles pueden ayudar a los médicos a comprender mejor el estado de sus pacientes. Si futuras investigaciones confirman esa utilidad, una fotografía podría convertirse en una fuente adicional de información para la medicina personalizada, sin sustituir el juicio clínico ni las pruebas diagnósticas.
