美国研究人员开发出一种基于数百万张面部图像训练的AI基础模型，该模型似乎能够直接预测癌症患者的生存风险。
布莱根妇女医院附属质量综合医疗集团（Mass General Brigham）的团队在《柳叶刀数字健康》期刊上发表论文，描述了该模型中的两个算法：一个用于估计生物学年龄（FAHR-FaceAge），另一个用于生成生存预测结果（FAHR-FaceSurvival）。
研究发现，FAHR-FaceAge识别生物学年龄的误差范围约为五年——研究人员表示这比其他工具更加精准——而且患者的FAHR-FaceAge与其实际年龄之间的偏差，与生存率存在独立关联。
FAHR-FaceSurvival的设计更进一步，它直接从单张面部照片中学习并预测生存率，而非基于生物学年龄进行估算。
AI医学项目（AIM）主任、论文共同资深作者雨果·埃尔茨（Hugo Aerts）表示："据我们所知，这是首次证明AI模型能够直接通过一张简单的照片预测癌症生存率。"
论文显示，这两种算法依赖面部不同区域进行年龄和死亡风险预测。FAHR-FaceAge主要关注鼻唇沟、眼眶上方的额头区域以及太阳穴部位，而FAHR-FaceSurvival则评估眼睛下方及鼻梁周围区域。
这些算法是在WebFace42M数据集中超过4000万张未标注的面部图像上训练的，涵盖了不同种族和年龄段，该数据集由清华大学、伦敦帝国理工学院和XForwardAI的研究人员共同开发，并在荷兰近5000名接受放疗的癌症患者样本中进行了验证。
论文作者写道，与依赖专业成像设备的其他模型不同，FAHR-Face系列算法使用的是消费级面部照片，这应能拓宽其临床应用范围。
论文通讯作者、布莱根妇女医院癌症研究所放射肿瘤学家兼AIM研究员雷蒙德·马克（Raymond Mak）表示："随着人口老龄化加剧，医生需要更好的方法来评估患者的身体储备和虚弱程度，以便在建议放疗、手术或系统性治疗等高强度治疗前做出判断。"
"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，从而支持个性化治疗决策，而不是取代医生的判断。"
该团队还通过FaceAge研究项目扩展这项研究，该项目已向公众开放，网址为faceage.bwh.harvard.edu。
参与者可以上传一张面部照片并获得自己的FaceAge研究读数，同时他们提供的数据也将帮助研究人员在更大规模、更多样化的人群中改进和验证基于AI的面部衰老和健康测量方法。
英国萨里大学成像与AI专家米罗斯瓦夫·博贝尔（Miroslaw Bober）教授表示，这项研究"有趣且扎实"，表明这些工具能够按风险对患者进行区分。
不过他也补充道，该研究"并未测试AI是否识别出了医生无法察觉的信息。研究并未证明这些预测能在医生对患者整体健康状况和身体素质的评估之外，提供具有临床实用价值的额外信息，而这些评估因素在研究中并未被测量。这是一个有前景的概念验证，但尚未准备好用于临床应用。"
Q&A
Q1：FAHR-FaceAge和FAHR-FaceSurvival分别是什么？
A：FAHR-FaceAge是一种通过面部照片估计生物学年龄的算法，误差范围约为五年；FAHR-FaceSurvival则是直接从单张面部照片预测癌症患者生存风险的算法，两者都是AI基础模型中的组成部分。
Q2：这项AI技术是否已经可以用于临床诊断？
A：目前还不行。专家指出，该研究尚未证明这些预测能提供超出医生常规评估之外的临床实用信息，目前仍属于有前景的概念验证阶段，尚未准备好投入临床使用。
Q3：普通人如何参与FaceAge研究项目？
A：公众可以访问faceage.bwh.harvard.edu网站，上传自己的面部照片并获得个人的FaceAge研究读数，同时贡献的数据也将帮助研究人员改进和验证相关AI模型。