据一项新研究显示，医生开发出一种人工智能工具，仅通过一张面部照片即可预测癌症患者的生存几率。
该AI系统由马萨诸塞州非营利综合医疗系统Mass General Brigham的专家定制开发，用于评估生物学年龄并直接预测癌症患者的生存结果。
这是迄今为止最全面的演示之一，展示了AI分析自拍照如何帮助评估患者健康状况并可能指导其医疗护理。该系统训练数据来自超过4000万张涵盖不同种族和年龄段的面部照片。
这一突破性成果已发表于《柳叶刀数字医疗》期刊。
研究结果显示，该系统可以通过一张普通的面部照片，估算一个人的生物学年龄——即人看起来的年龄，而非实际的时间年龄——并预测癌症患者的生存几率。
医生们利用该技术开发了两款互补工具。FAHR-FaceAge用于估算患者的生物学年龄并预测癌症生存率；FAHR-FaceSurvival则直接从面部照片预测生存率，而非通过生物学年龄进行推断。
尽管FAHR-FaceAge和FAHR-FaceSurvival源自同一模型，但它们捕捉到的患者健康信息各不相同且相互补充。
每种算法在进行年龄和死亡风险预测时，也依赖于面部不同的区域。FAHR-FaceAge主要关注鼻侧延伸至嘴角的皱纹、眼窝上方的前额区域以及太阳穴部位；而FAHR-FaceSurvival则评估眼睛下方和鼻梁周围的区域。
该研究的共同资深作者雨果·埃尔茨表示：“FAHR-FaceSurvival将面部健康识别AI领域向前推进了一步，它能直接从癌症患者的面部照片中学习生存风险。据我们所知，这是首次证明AI模型可以仅通过一张普通照片直接预测癌症生存率。”
在美国接受放疗的癌症患者中，根据FAHR-FaceAge评估，那些看起来比实际年龄大5岁或以上的患者，在平均四年的随访期内死亡风险比其他患者高出21%；而看起来比实际年龄小5岁或以上的患者，死亡风险则低17%。
埃尔茨说：“这项技术的关键进展在于，FAHR-Face模型通过超过4000万张图像学习了一种通用的面部表征，随后可将其适配到不同的健康结果预测上，例如生物学年龄和生存率。这种基础模型的方法为我们提供了一种可扩展的方式，能够开发多种面部健康生物标志物，而不必从零开始训练每个模型。”
该研究结果表明，人们的生物学年龄估算与其身体健康状况密切相关，这可能反映出他们承受某些治疗的能力。
这一突破或将为AI面部分析辅助医生在治疗方案决策中发挥作用铺平道路。
该工具有助于更好地预测癌症患者在接受重大手术或其他治疗后，死亡或并发症的风险。
Mass General Brigham的放射肿瘤学家雷蒙德·马克博士说：“随着人口老龄化，医生需要更好的方法来评估患者在建议进行放疗、手术或全身治疗等强化治疗之前的身体储备和衰弱程度。”
“我们的目标是让基于面部照片的健康评估更加量化、一致和可扩展，从而支持个性化的治疗决策，而不是取代医生的判断。”
研究人员发现，生活方式因素与面部衰老存在关联。例如，在AI对面部照片的分析中，大量饮酒、吸毒和吸烟与看起来生物学年龄更大有关联。
马克说：“另一个令人意外的发现是，FAHR-FaceAge在现实世界中常见的照片差异下——包括姿势、光线、表情和化妆——表现出高度的一致性。在测试的大多数整容手术中它也保持稳定，只有在鼻整形术后观察到小幅变化。”
医生们提醒，尽管单张面部照片可以提供一种简便、低成本的方式来支持个性化治疗决策，但要使该工具得到广泛应用，仍需更多研究支持。
Q&A
Q1：这种AI工具是如何通过自拍照预测癌症生存率的？
A：该工具由Mass General Brigham专家开发，基于超过4000万张面部照片训练而成，通过分析面部特征估算生物学年龄，并据此预测癌症患者的生存几率。
Q2：FAHR-FaceAge和FAHR-FaceSurvival有什么区别？
A：FAHR-FaceAge先估算患者的生物学年龄，再推断生存率；FAHR-FaceSurvival则直接从面部照片预测生存率，二者关注的面部区域也不同，但能提供互补的健康信息。
Q3：这项技术目前能用于实际临床治疗吗？
A：目前还不能广泛应用于临床。医生表示该工具可以辅助支持个性化治疗决策，但并非取代医生判断，仍需更多研究验证后才能推广使用。
