10月19日，发表在《柳叶刀·数字健康》上的一篇新论文显示，麻省总医院—布里格姆妇女医院的研究人员开发出一种基础性AI模型，能通过面部照片估算生物年龄，并直接预测癌症患者的生存结局。 这项工具会为患者给出一个风险评分，得分最高的患者有可能在90天内死亡。 一句话回答标题里的问题："看脸读生存"的原理有真实依据，但离临床可用，论文和外部专家各自都划了明确的边界。哈勃观察员每日经济新闻
脸上的"衰老读数"，不是第一次被验证
《柳叶刀-数字医疗》此前发表的FaceAge研究显示，一种深度学习系统可以通过人脸照片推算生物学年龄：外貌年龄比实际年龄更老，与更差的总生存期相关；它还能改善医生对接受姑息治疗的无法治愈癌症患者的生存预测。 据对其论文的介绍，哈佛团队发表于《自然·通讯》的后续研究更进一步：用两个时间点的面部照片估算"面部衰老率"，FAR值超过1（表示加速衰老）的癌症患者，其存活率显著低于FAR值等于或低于1的患者。 所以这条新工具不是发明"看相"，而是把已经被多项研究反复观察到的"表型—结局"关系，交给更大的模型去量化：皮肤的质地变化、面部容积的流失、骨骼结构的变化，都是可以被算法读取的生理信号。《柳叶刀》官方知乎
这个新模型到底做了什么
新论文把基础模型的思路拆成了两款衍生工具：基于同一套超过4000万张人脸图像的训练数据，FAHR-FaceAge负责估算生物年龄，FAHR-FaceSurvival负责直接从面部照片预测癌症患者的生存结局。 训练数据里还叠加了3万多名癌症患者的照片，其中许多人已经去世。 报道同时提到，该模型在不同年龄、种族、性别以及不同癌症类型的人群中都可以生效。 论文还展示了模型的稳定性：在姿态、光照、面部表情和化妆等成像变化下，估算结果大体保持一致；多数整形手术后它也表现稳定，只有鼻部整形术后出现轻微偏差。这些测试支持它捕捉的是真实面部表型，而不是照片质量之类的杂音。哈勃观察员每日经济新闻知乎
边界：它证明了什么，还没证明什么
研究团队对这项工作的定性非常克制：它属于计算性研究而非临床试验——构建并验证了预测模型，但并未检验医生使用这些评分能否做出更优治疗决策，也未评估这些工具是否改变患者预后。 论文同样没有确立任何临床决策阈值或治疗选择规则；至于模型"看"鼻唇沟、眼下这些区域与生理过程之间到底是什么机制联系，研究并未阐明——所谓"注意力图"只说明信息从哪里来，不说明那里发生了什么。换句话说，"预测生存率"目前是一种统计分层能力，不是一个针对个体的判决结论。哈勃观察员
接下来要看哪一步
团队的近期目标，是把基于面部照片的健康评估做得量化、一致、可扩展，为医生在考虑放疗、手术或全身治疗前提供一份对机体储备与衰弱状态的参考；他们正通过一个经机构审查委员会批准、面向公众开放的"FaceAge研究"平台，收集更大规模、更多样人群的数据继续验证。 外部同行的判断则更保守：萨里大学视频处理与机器学习教授Miroslaw Bober表示，该工具尚未准备好临床应用。 所以"原理靠谱吗"的诚实回答是两句话：脸确实携带生物年龄与衰弱的可测量信号，这一点有多项研究背书；但凭一张照片下"生存期判决"，既没有机制解释，也没有临床结局证据——它先走进的是研究议程，还轮不到诊室。哈勃观察员每日经济新闻
