Gesichtsalterungsrate als Krebsprognose: Was KI im Foto erkennt

Neue Forschungsergebnisse, veröffentlicht im Fachjournal Nature Communications im Jahr 2026, zeigen, dass die Geschwindigkeit, mit der das Gesicht eines Menschen biologisch altert, gemessen anhand serieller Fotografien und ausgewertet durch ein KI-gestütztes Algorithmus-System namens FaceAge, ein aussagekräftiger und nicht invasiver Biomarker für die Überlebenschancen von Krebspatienten sein kann, der herkömmliche klinische Prognoseparameter ergänzt.

Biologisches Alter versus chronologisches Alter bei Krebs

Das Lebensalter eines Menschen und sein biologisches Alter sind nicht dasselbe. Während das chronologische Alter einfach die Anzahl der gelebten Jahre zählt, spiegelt das biologische Alter den tatsächlichen Zustand von Zellen, Geweben und Organen wider.

Bei Krebspatienten weicht das biologische Alter häufig erheblich vom Kalenderalter ab. Krankheitsprozesse, Therapienebenwirkungen und systemische Erschöpfung können diesen Alterungsprozess stark beschleunigen. Bisherige Methoden zur Messung des biologischen Alters sind jedoch aufwendig, invasiv oder in der Routineversorgung schwer umsetzbar.

FaceAge: KI liest das Alter aus dem Gesicht

Das KI-Modell FaceAge wurde entwickelt, um aus Gesichtsfotos das biologische Alter einer Person zu schätzen. Es analysiert dabei Merkmale wie Hauttextur, Volumenverlust im Gesicht und strukturelle Veränderungen.

Das zugrunde liegende Modell FAHR-FaceAge (Foundation Artificial Intelligence Models for Health Recognition) wurde auf mehr als 40 Millionen Gesichtsaufnahmen trainiert, um Anzeichen von Gesundheitsbeeinträchtigungen zu erkennen. Frühere Studien mit diesem System zeigten: Patienten, deren vorhergesagtes biologisches Alter um fünf oder mehr Jahre über ihrem chronologischen Alter lag, hatten ein um 21 Prozent erhöhtes Sterberisiko.

Die Studie: 2.276 Krebspatienten unter Strahlentherapie

Die aktuelle retrospektive Studie umfasste 2.276 Krebspatienten, die Strahlentherapie erhielten. Die Kohorte wies folgende Merkmale auf:

• Medianes Alter: 63,4 Jahre
• Ethnische Zusammensetzung: Überwiegend weiß
• Metastatische Erkrankung beim ersten Bestrahlungskurs: 62,9 Prozent
• Metastatische Erkrankung beim zweiten Bestrahlungskurs: 78,7 Prozent

Von jedem Patienten lagen zwei Fotos vor, aufgenommen im Rahmen der Routinedokumentation zu Beginn jedes Bestrahlungskurses. FaceAge schätzte anhand dieser Bilder das biologische Alter zum jeweiligen Zeitpunkt.Berechnung der Gesichtsalterungsrate (FAR)

Die sogenannte Face Aging Rate (FAR), also die Gesichtsalterungsrate, wurde berechnet als die Veränderung des vorhergesagten biologischen Alters geteilt durch den zeitlichen Abstand zwischen den beiden Fotografien.

Die Intervalle wurden in drei Gruppen unterteilt:

• Kurzzeitig: 10 bis 365 Tage (Schwellenwert für signifikante FAR: mehr als 20)
• Mittelfristig: 366 bis 730 Tage (Schwellenwert: mehr als 10)
• Langfristig: 731 bis 1.460 Tage (Schwellenwert: mehr als 1)

Hohe FAR bedeutet geringere Überlebenschancen

Die Ergebnisse sind klar: Eine hohe Gesichtsalterungsrate war in allen drei Zeitgruppen, nach Adjustierung für Geschlecht, Ethnizität, Zeit zwischen den Fotos und die Krebsdiagnose, mit einer signifikant schlechteren Gesamtüberlebensrate assoziiert.

Die konkreten Zahlen:

• Kurzzeitige Gruppe: Erhöhtes Sterberisiko um 25 Prozent bei hoher FAR
• Mittelfristige Gruppe: Erhöhtes Sterberisiko um 37 Prozent bei hoher FAR
• Langfristige Gruppe: Erhöhtes Sterberisiko um 65 Prozent bei hoher FAR

Bei einer Analyse, die ausschließlich Patienten mit metastatischem Krebs einschloss, zeigten sich dieselben Zusammenhänge, jedoch mit einer noch deutlicheren Trennung der Überlebenskurven zwischen den Gruppen.

FAR übertrifft die einmalige Altersabweichung als Prognoseindikator

Die Forschenden untersuchten auch das Zusammenspiel zweier Kennzahlen: der einmaligen Abweichung des vorhergesagten Gesichtsalters vom chronologischen Alter beim ersten Bestrahlungskurs (FADRT1) und der FAR.

Wenn beide Werte, also sowohl FADRT1 als auch FAR, hoch waren, wiesen die Patienten durchgehend das höchste Sterberisiko auf. Mit zunehmend längerem Intervall zwischen den Aufnahmen erwies sich die FAR als der dominierende Prognoseindikator, der die einmalige Altersabweichung in seiner Vorhersagekraft übersteigt.

Die Autoren der Studie schlussfolgern, dass die FAR als prognostischer Marker über alle Zeitintervalle hinweg konsistent besser abschneidet als die FADRT1, mit der stärksten Leistung bei langfristigen Intervallen.

Biologische Grundlagen: Warum das Gesicht altert

Der Zusammenhang zwischen Gesichtsalterung und Krebsprognose ist keine Zufälligkeit. Das biologische Altern verläuft nicht linear; es gibt definierte Wendepunkte, an denen sich molekulare Prozesse wie DNA-Schäden und zelluläre Seneszenz beschleunigen.

Bei Krebspatienten reflektiert die Gesichtsalterung nicht nur die Krankheitsdynamik selbst, sondern auch die Auswirkungen der Behandlung. Strahlentherapie und Chemotherapie können systemische Belastungen erzeugen, die sich im Erscheinungsbild des Gesichts niederschlagen.

Vergleich mit anderen Verlaufsbiomarkern

Das Konzept ist nicht neu: Auch in anderen Bereichen der Onkologie und Kardiologie werden Verlaufsmarker genutzt, um Risiken einzuschätzen:

• PSA-Verlauf: Veränderungen des prostataspezifischen Antigens (PSA) über die Zeit helfen, das Prostatakrebsrisiko zu beurteilen.
• Blutdruckvariabilität: Schwankungen des Blutdrucks über Zeit gelten als Indikator für kardiovaskuläre Risiken.

Die FAR folgt demselben Prinzip: Nicht der Momentwert, sondern die Veränderungsrate über die Zeit liefert die entscheidende prognostische Information.

Potenzielle klinische Anwendung

Sollte die FAR in prospektiven Studien validiert werden, könnte sie in bestehende prognostische Bewertungssysteme integriert werden. Mögliche Anwendungsfelder:

• Identifikation von Hochrisikopatienten über mehrere Krebsentitäten hinweg
• Steuerung der Überwachungsintensität im Krankheitsverlauf
• Entscheidungsfindung bei palliativem Therapieansatz oder weniger intensiven Behandlungsstrategien in fortgeschrittenen Erkrankungsstadien
• Basis für individualisierte, patientenzentrierte Krebsversorgung

Die Methode bietet dabei entscheidende praktische Vorteile: Sie ist zugänglich, nicht invasiv, kostengünstig und erlaubt wiederholte Messungen ohne zusätzliche Belastung für den Patienten.

Einschränkungen der Studie

Die Autoren benennen mehrere Limitationen, die bei der Interpretation der Ergebnisse berücksichtigt werden müssen:

• Ethnische Zusammensetzung: Die Kohorte war überwiegend weiß, was die Übertragbarkeit auf andere Bevölkerungsgruppen einschränkt.
• Fehlende Verlaufsdaten: Es lagen keine Informationen über Krankheitsprogression oder Behandlungsmodalitäten vor. Eine kausale Interpretation der FAR ist daher nicht möglich.
• Mögliche Störvariablen: Faktoren wie Tumorkachexie oder behandlungsbedingte Toxizitäten könnten die beobachteten Zusammenhänge beeinflusst haben.
• Indikationsbias: Da die Fotos zu definierten Therapiepunkten aufgenommen wurden, können verschiedene Intervallgruppen unterschiedliche klinische Situationen repräsentieren.
• Datenschutz und algorithmische Verzerrung: Gesichtserkennung birgt ethische Risiken und mögliche Bias-Effekte, die vor einer klinischen Anwendung adressiert werden müssen.

Zukünftige Studien sollten Krankheitstyp, -stadium und Behandlung in diversen Populationen korrelieren, gut zugängliche Algorithmen verwenden und robuste Datenschutzmaßnahmen integrieren.

Dieser Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt oder Facharzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen!

Häufig gestellte Fragen (FAQs)

Was ist die Gesichtsalterungsrate (FAR) und wie wird sie gemessen? Die FAR beschreibt, wie schnell sich das biologisch geschätzte Gesichtsalter einer Person zwischen zwei Aufnahmezeitpunkten verändert. Sie wird berechnet, indem die Differenz des von FaceAge vorhergesagten Alters durch den zeitlichen Abstand zwischen den Fotos dividiert wird. Ein hoher Wert bedeutet eine schnellere biologische Alterung.

Kann FaceAge bei allen Krebsarten eingesetzt werden? Die vorliegende Studie untersuchte Patienten unter Strahlentherapie ohne Einschränkung auf einen bestimmten Krebstyp. Ob FAR bei spezifischen Krebsentitäten unterschiedlich stark prädiktiv ist, müssen weitere Studien klären.

Ersetzt die Gesichtsalterungsrate bestehende Biomarker wie den PSA-Wert? Nein. Die FAR ist als ergänzendes prognostisches Instrument gedacht, nicht als Ersatz für etablierte klinische Marker. Ihr größter Mehrwert liegt in der Kombination mit anderen Prognoseparametern.

Wie verhält sich das bei jüngeren Krebspatienten? Die Studie hatte ein medianes Patientenalter von 63,4 Jahren. Die Übertragbarkeit auf jüngere Patienten ist noch nicht untersucht. Da jüngere Gesichter möglicherweise andere Alterungsmuster zeigen, sind separate Analysen für diese Gruppe erforderlich.

Ist das Verfahren bereits in der klinischen Praxis verfügbar? Nein. FaceAge und die FAR-Berechnung befinden sich noch in der Forschungsphase. Vor einem klinischen Einsatz sind Validierung in prospektiven Studien, Klärung ethischer Fragen, Datenschutzprüfungen und die Bewertung algorithmischer Verzerrungen erforderlich.

Welche Rolle spielt künstliche Intelligenz bei diesem Ansatz? KI ist das Herzstück des Verfahrens. Das Modell FaceAge schätzt anhand von Gesichtsmerkmalen das biologische Alter; FAHR-FaceAge wurde auf über 40 Millionen Bildern trainiert. Ohne KI wäre eine solch präzise, wiederholbare und nicht invasive Altersschätzung nicht möglich.

Können Fotos vom Smartphone für die Analyse verwendet werden? Dies ist in der aktuellen Studie nicht untersucht worden. Die verwendeten Fotos entstanden unter standardisierten klinischen Bedingungen. Ob Aufnahmen mit handelsüblichen Smartphones ausreichende Qualität für eine valide FAR-Berechnung liefern, ist noch offen.

Quellen

Haugg, F., Lee, G., He, J., et al. (2026). Face aging rate quantifies change in biological age to predict cancer outcomes. Nature Communications. https://doi.org/10.1038/s41467-025-66758-w

Thomas, L. (2026, 1. Mai). How fast your face ages may predict cancer survival outcomes. News-Medical. https://www.news-medical.net/news/20260501/How-fast-your-face-ages-may-predict-cancer-survival-outcomes.aspx

Kuo, C.-Y., & Kuo, H.-K. (2020). Biological age and its application in clinical practice. Journal of the Chinese Medical Association, 83(7), 619–622. https://doi.org/10.1097/JCMA.0000000000000345

Belsky, D. W., Caspi, A., Houts, R., et al. (2015). Quantification of biological aging in young adults. Proceedings of the National Academy of Sciences, 112(30), E4104–E4110. https://doi.org/10.1073/pnas.1506264112

Ferrucci, L., & Fabbri, E. (2018). Inflammageing: Chronic inflammation in ageing, cardiovascular disease, and frailty. Nature Reviews Cardiology, 15(9), 505–522. https://doi.org/10.1038/s41569-018-0064-2

López-Otín, C., Blasco, M. A., Partridge, L., Serrano, M., & Kroemer, G. (2023). Hallmarks of aging: An expanding universe. Cell, 186(2), 243–278. https://doi.org/10.1016/j.cell.2022.11.001