Modele sztucznej inteligencji to narzędzia, które kosmetolog może bardzo sprawnie wykorzystywać na co dzień – na potrzeby swoje i swoich klientów.

W branży beauty sztuczna inteligencja służy przede wszystkim do bardzo precyzyjnego zbierania i przetwarzania informacji. Najlepszym przykładem jest jej wykorzystanie do analizy składów kosmetyków – nie mając gruntownej chemicznej wiedzy, nie jesteśmy przecież w stanie odnieść się do wszystkich informacji, które widnieją w podanym na etykiecie składzie INCI. Może nam w tym pomóc jakikolwiek powszechnie już dziś stosowany model językowy – np. ChatGPT czy Perplexity. Wystarczy wpisać składniki czy dodać zdjęcie etykiety ze składem INCI, aby otrzymać bardzo szczegółową informację na temat działania poszczególnych składników danej receptury.
To, czy dane substancje są dla skóry pożądane, czy nie, zależy od kontekstu – jakie jest stężenie składnika w danym kosmetyku albo towarzystwo, w jakim ten składnik występuje. Dlatego warto zadawać sztucznej inteligencji kolejne pytania, które przybliżą działanie danego produktu, np. czy zawiera on duże ilości SLES, czyli pochodnych laurylosiarczanu sodu, o których wiadomo, że mają silne działanie wysuszające. Im więcej ich w składzie, tym większe ryzyko niekorzystnego wpływu na skórę. 

Co za dużo, to niezdrowo

Statystyki wskazują, że każda Polka (ale dane te dotyczą również mieszkanek Europy) stosuje średnio dwanaście kosmetyków dziennie. Od żelu pod prysznic i szamponu przez krem z filtrem po pomadkę do ust i tusz do rzęs. W przykładowym codziennym zestawie kosmetyków pojawia się więc dość skomplikowany układ składników. Jest ich tak wiele, że przeanalizowanie receptury każdego produktu i precyzyjne ustalenie jego wpływu na skórę jest praktycznie niemożliwe. Pomóc nam w tym może model językowy – wystarczy „wrzucić” do analizy wszystkie stosowane kosmetyki i zadać kilka kluczowych pytań:

• ile składników codziennie aplikuję na skórę,

• które składniki się powtarzają i ile razy.

Odpowiedź na to drugie pytanie jest bardzo istotna – podczas testów prowadzonych pod kątem bezpieczeństwa kosmetyk aplikuje się pojedynczo i na skórę zdrowych ochotników. Jeśli więc określa się go jako bezpieczny, to w odniesieniu do tego, że zawiera np. dopuszczalne 5 proc. laurylosiarczanu sodu. Jednak sytuacja może ulec zmianie, jeśli stężenie to zmultiplikujemy – np. dziesięciokrotnie – stosując na ten sam obszar kilka kosmetyków z zawartością rzeczonego składnika. Wtedy zamiast bezpiecznych pięciu nakładamy na skórę pięćdziesiąt gramów tej substancji.
Stosowanie bardzo podstawowego zestawu codziennych kosmetyków oznacza aplikowanie na skórę każdego dnia ponad dwustu składników. Jeśli spojrzymy na dane statystyczne i weźmiemy pod uwagę sto najczęściej stosowanych w kosmetykach składników, to ryzyko, że któryś będzie wykazywał niepożądane działanie wynosi blisko sto procent. Konkluzja jest więc prosta – im mniej, tym lepiej.

Niekorzystna kumulacja

Czy składniki w recepturach stosowanych kosmetyków nie powinny się więc powtarzać? Zależy – pojawiająca się w wielu składach woda nie budzi obaw, ale często powtarzają się np. metyloparaben, propylparaben, limonen, laurylosiarczan sodu, fenoksyetanol czy cyklopentasiloksan. W efekcie skóra jest bombardowana gigantycznymi dawkami tych substancji, które nie tylko mogą mieć negatywny wpływ na urodę, ale przede wszystkim w takiej ilości mogą być niebezpieczne dla zdrowia. Nie bada się przecież skumulowanego działania wymienionych składników – ich użycie jest w pełni legalne, jeśli dotyczy dozwolonych dawek w pojedynczych produktach. Tymczasem możemy stosować jeden kosmetyk wielokrotnie w ciągu dnia, możemy też łączyć różne preparaty, w których problematyczne składniki często się powtarzają. A powtarzają się z prostego powodu – jeśli coś jest tanie i skuteczne, przemysł kosmetyczny chętnie to stosuje, jak np. parabeny w roli konserwantów. Są stosunkowo bezpieczne, pod warunkiem że aplikujemy je w jednym kosmetyku. Co jednak, jeśli zmultiplikujemy bezpieczną dawkę wielokrotnie?
Modele językowe sztucznej inteligencji pozwalają wnikliwie sprawdzić, co stosujemy na skórę, a to z kolei pomoże wykluczać nadmiar problematycznych substancji i korygować zestaw często stosowanych kosmetyków. Jeśli więc widzimy, że w trzech produktach powtarza się fenoksyetanol, możemy wybrać np. szampon lub balsam niezawierający tej substancji. Taka zmiana może przynieść spektakularny efekt już po kilku tygodniach.
Nawet jeśli negatywny wpływ danego składnika jest niewielki, perspektywa ta zmienia się, jeśli weźmiemy pod uwagę fakt, że stosujemy kosmetyki średnio przez ponad pięćdziesiąt lat. Wtedy skumulowane efekty mogą wyrządzić gigantyczne szkody.
Ten medal ma też oczywiście drugą, dobrą stronę – jeśli jakiś składnik w niewielkim stopniu pomaga, to przez pięćdziesiąt lat może wykonać korzystną dla skóry robotę.

Obiecanki cacanki

Co jeszcze możemy skutecznie sprawdzić, wykorzystując proste modele językowe? Weźmy przykład kosmetyku ze składnikiem, który jest szczególnie promowany z uwagi na jego działanie w głębszych warstwach naskórka. Żeby to jednak było możliwe, substancja ta musi mieć zdolność pokonania warstwy rogowej. Dwa główne elementy, które o tym decydują, to wielkość cząsteczki, a przede wszystkim jej lipofilowość. Tę cechę mierzymy współczynnikiem logP, którego optymalna wartość pod kątem oddziaływania na skórę powinna się mieścić w przedziale 1-3. Weźmy więc np. serum z colostrum. Zawiera ono hormon wzrostu i epidermalny oraz insulinopodobny czynnik wzrostu. Wpisując do modelu językowego epidermalny czynnik wzrostu, otrzymujemy odpowiedź, że składnik jest rozpuszczalny w wodzie, czyli ma niski logP. To oznacza niską lipofilowość i sugestię, że nie przenika przez skórę. Cóż więc z tego, że epidermalny czynnik wzrostu został poddany badaniom, które przyniosły znakomite wyniki, skoro wszystkie obiektywne parametry wskazują na to, że nie działa w zakresie, jaki nas w tym wypadku interesuje. Mamy tu więc do czynienia z bardzo dużym potencjałem marketingowym, ale niestety zerowym potencjałem biologicznym.

Ekstremalnie trudne zadanie

W Polsce jest ponad 300 tysięcy zarejestrowanych kosmetyków. Dokonując wyboru, użytkownik albo musi się oprzeć na marketingowym przekazie (a często niestety bełkocie) producentów, albo musi samodzielnie zdobywać informacje. Często kończy się na tej pierwszej możliwości, co ma swoje konsekwencje kliniczne. Statystyki mówią, że prawie 70 proc. kobiet i 60 proc. mężczyzn deklaruje, że ma skórę wrażliwą. Niewątpliwie do tak wysokiego wyniku przyczynia się fakt, że stosujemy za dużo kosmetyków oraz to, że wybieramy je w oparciu o… nic. Nie dobieramy kosmetyków realnie do potrzeb – większość użytkowników stosuje kryterium ceny czy przyjemności aplikacji (zapach, konsystencja). To trochę tak, jakby kupować lek, oceniając jego cenę, kolor i to, czy łatwo go połknąć.
Dobór kosmetyków jest ekstremalnie trudnym zadaniem, ale proste w obsłudze narzędzia AI bardzo nam to ułatwiają.
Stosowany jeszcze często przy doborze kosmetyków podział na typy skóry – tłustą, suchą czy wrażliwą – Helena Rubinstein zaproponowała ponad sto lat temu, więc są to kryteria bardzo archaiczne. Nie mówiąc już o tym, jak trudno taki typ skóry jednoznacznie określić – zwłaszcza w przypadku kobiet, u których przecież nieustannie zachodzą w skórze zmiany warunkowane hormonalnie. Zmienia się więc stężenie estrogenów czy progesteronu i w pierwszej fazie cyklu mamy do czynienia ze skórą suchą, wrażliwą. W drugiej fazie, owulacyjnej, skóra z reguły przysparza najmniej problemów, wygląda promiennie, ale jednocześnie wysokie stężenie estrogenów bardziej ją naraża na niekorzystne działanie promieniowania UV. W tym okresie skóra wymaga więc szczególnej ochrony przed słońcem, bo wtedy też występuje największe ryzyko powstawania przebarwień. W ostatniej fazie skóra najczęściej wygląda najgorzej, mogą pojawić się zmiany trądzikowe, gruczoły łojowe pracują najintensywniej, pojawiają się obrzęki.

Jak to w takim razie przełożyć na dobór odpowiednich produktów za pomocą modelu językowego? To kwestia umiejętnego zadawania pytań. Tu należałoby wpisać np.: jakie składniki kosmetyczne będą optymalne w danej fazie cyklu i dlaczego. Dostajemy precyzyjną odpowiedź – np. w trzeciej fazie cyklu, przy nadmiernej aktywności gruczołów łojowych czy obrzękach, możemy zastosować m.in. niacynamid, beta-hydroksykwasy, składniki łagodzące czy ekstrakt z zielonej herbaty.

Źródło wiedzy

Mimo że można wykorzystywać bardzo złożone modele i szeroki zakres działania sztucznej inteligencji, w praktyce prawnie nikt z nas nie ma możliwości, żeby swoje modele językowe trenować i próbować wykorzystać w bardzo wyrafinowany sposób. To wymaga czasu, a przede wszystkim dostępu do infrastruktury oraz zaawansowanej wiedzy.
Ale szczerze powiedziawszy, w codziennej pracy wystarczą istniejące modele, które zresztą są z dnia na dzień ulepszane. Efektywne korzystanie z nich opiera się wyłącznie na umiejętności zadawania pytań, najlepiej w szerokich kontekstach, co pozwoli otrzymywać bardzo precyzyjne odpowiedzi.
Sztuczna inteligencja ułatwia dostęp do wiedzy, dzięki czemu kosmetolodzy nie będą już musieli 
zawierzać mało wiarygodnym marketingowym przekazom producentów. Mamy więc narzędzie, które pomaga zwiększyć świadomość naszą i naszych klientów.

Prof. dr hab. n. farm. Sławomir Wilczyński

Kierownik Katedry i Zakładu Podstawowych Nauk Biomedycznych Wydziału Nauk Farmaceutycznych Śląskiego Uniwersytetu Medycznego w Katowicach. Ekspert Narodowego Centrum Badań i Rozwoju, Ministerstwa Gospodarki RP, Agencji Badań Medycznych, Polskiej Komisji Akredytacyjnej oraz Banku Gospodarstwa Krajowego. Redaktor naczelny czasopisma „Aesthetica” oraz redaktor „Advances in Therapy” (Springer Nature).