AI算法可通过面部分析预测癌症存活率

科学家利用AI算法FaceAge分析癌症患者面部，预测存活率，部分超越医生判断，揭示面容老化与健康风险的惊人关联。

一张简单的自拍照，或许能揭示癌症患者的生存前景。科学家们开发了一种名为FaceAge的人工智能算法，通过分析癌症患者的面部特征，预测他们的存活概率。令人惊讶的是，在某些情况下，这一技术的准确度甚至超过了临床医生的短期预期。研究结果刊登在《柳叶刀数字健康》期刊上，标志着人工智能在医学领域的新突破。

FaceAge的核心在于测量“生物年龄”——通过面部特征推断的身体老化程度。研究团队发现，癌症患者的面容平均比实际年龄老化约五岁。Hugo Aerts，麻省总医院布里格姆人工智能医学主任，也是这项研究的共同资深作者，解释说：“一个人看起来比实际年龄年轻还是老化，意义重大。FaceAge显示，面容年轻的患者在癌症治疗后表现更好。”

这项技术背后，是人工智能对海量数据的深度学习。科学家们用58,851张健康人士的公开照片训练FaceAge，随后在6,196名癌症患者的照片上进行测试，这些照片拍摄于放疗开始时。结果显示，FaceAge预测的生物年龄越高，患者的生存前景越差，即使调整了实际年龄、性别和癌症类型等因素，这一趋势依然明显。尤其在看起来超过85岁的患者中，存活率显著下降。

为了验证FaceAge的实用性，研究人员邀请了10名临床医生和研究者，仅凭患者照片预测接受姑息放疗的晚期癌症患者六个月后的存活情况。医生们的准确率约为61%，但结合FaceAge分析后，准确率飙升至80%。这表明，人工智能不仅能捕捉人类难以察觉的细节，还能为临床决策提供宝贵参考。

想象一位患者，面容憔悴，皱纹深邃，远超实际年龄。FaceAge可能提示医生，这位患者需要更密切的监测或调整治疗方案。反之，面容年轻的患者或许拥有更强的恢复潜力。Hugo Aerts强调：“一张自拍看似简单，却蕴含着指导治疗和护理的重要信息。”

然而，FaceAge并非完美。纽卡斯尔大学人工智能专家Jaume Bacardit指出，研究需更清晰地说明算法如何分析面部特征，比如依赖脸部的哪些部位，以避免潜在的干扰因素。数据偏差和模型误差也可能导致生物年龄与实际健康状况的偏差。研究团队坦言，这些局限性需要进一步验证。

目前，科学家们正在扩展测试范围，探索FaceAge在预测其他疾病、整体健康状况和寿命方面的潜力。与此同时，老化生物标记的研究正如火如荼。今年2月，一项简单血液测试问世，可检测内脏老化速度，预测包括肺癌在内的30种疾病风险。面部老化研究同样备受关注，尤其是“感知年龄”——即专业人士眼中的外貌年龄——已被认为可能预示死亡率和多种年龄相关疾病。相比之下，FaceAge的自动化分析省时省力，展现出巨大潜力。

从自拍到生存预测，FaceAge为医学诊断开启了新窗口。它提醒我们，面容不仅是岁月的刻痕，更是健康的镜子。未来，这项技术或许能走进诊室，让医生通过一张照片，洞悉患者的生命轨迹。

本文译自 FT，由 BALI 编辑发布。