19 Novembre 2026

Psicologia Punto One | Psicologia e Psicologi nel Web

Menu

Menu

SCHEDA SCIENTIFICA2026Studio osservazionale

Quantificazione del ringiovanimento facciale dopo lifting facciale deep plane mediante stima dell’età basata su rete neurale convoluzionale: correlazione con gli esiti auto-riferiti dai pazienti tramite il modulo estetico FACE-Q

Titolo originaleQuantifying Facial Rejuvenation after Deep Plane Facelift Using Convolutional Neural Network-Based Age Estimation: Correlation with Patient-Reported Outcomes on the FACE-Q Aesthetic Module.

Karaali S, Alten A, Tatar BE

Aesthetic plastic surgery · 2026

PER COMPRENDERE LO STUDIO

Sintesi in italiano

L'obiettivo dello studio è stato quantificare la riduzione dell'età percepita dopo un intervento di lifting facciale e del collo deep plane, utilizzando modelli di intelligenza artificiale basati su reti neurali convoluzionali (CNN), e valutare la correlazione tra il ringiovanimento stimato dall'IA e i risultati riportati dai pazienti mediante il modulo estetico FACE-Q. Lo studio ha analizzato retrospettivamente 72 pazienti femminili operate tra il 2020 e il 2024. Fotografie standardizzate sono state sottoposte a valutazione con cinque piattaforme CNN pubbliche (FacePlusPlus, Amazon Rekognition, Inferdo Face, howOld AI e Facelytics). È stata calcolata una metrica corretta e standardizzata di riduzione dell'età e generato un punteggio composito medio. Al controllo a 12 mesi, i pazienti hanno compilato il modulo FACE-Q. I risultati hanno evidenziato una riduzione media standardizzata dell'età percepita di 7.64 ± 3.44 anni (15.67 ± 6.76%), senza differenze significative tra modelli (p=0.056). La percezione soggettiva del ringiovanimento si è correlata fortemente con l’aspetto facciale (ρ=0.61, p<0.001), gli esiti complessivi (ρ=0.54) e il benessere psicologico (ρ=0.44). L’IA ha mostrato associazioni più deboli, significative solo rispetto all’impatto sulla vita precoce (ρ=0.25, p=0.034). Si conclude che la stima dell’età via CNN fornisce un metodo riproducibile e oggettivo per valutare il ringiovanimento facciale, complementare alla percezione soggettiva per una valutazione multidimensionale più rigorosa. Lo studio ha un livello di evidenza II. Non sono riportati limiti specifici nell’abstract.

Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.

Abstract e pubblicazione originale

L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.

Leggi nella fonte originale ↗

Parole chiave

lifting facciale deep planerinvigorimento faccialereti neurali convoluzionalistima etàFACE-Qesiti auto-riferitiintelligenza artificialechirurgia estetica

Come citare questo studio

Karaali S, Alten A, Tatar BE. (2026). Quantifying Facial Rejuvenation after Deep Plane Facelift Using Convolutional Neural Network-Based Age Estimation: Correlation with Patient-Reported Outcomes on the FACE-Q Aesthetic Module.. Aesthetic plastic surgery. DOI: 10.1007/s00266-026-06374-1

Consulta la pubblicazione originale ↗