AI凭一张面部照片预测癌症生存率:它看到了什么,又没证明什么

源自74位全网作者

10-20 14:18

AI能不能替医生“看一眼”就判断病情?一项新研究把这个问题推到了台前,也把它的边界暴露得很清楚。

癌症患者还有多大生存机会,AI只看一张面部照片,就能给出一个死亡风险分数。10月19日,这项由美国麻省总医院布里格姆医疗系统团队完成的研究发表在《柳叶刀·数字健康》期刊上。研究人员用超过4000万张面部图像训练出AI基础模型FAHR-Face,从中派生出两个互补工具:估算生物学年龄的FaceAge,和直接预测癌症患者死亡风险的FaceSurvival。在一个3820名癌症患者的测试组里,被AI打上最高风险分的122人中,90天后有64人去世。不过,这个数字来自风险最高的一小撮人,而不是全体患者的判决——工具能做什么、离病床有多远,报道和研究本身都给出了明确的限定。红星新闻澎湃新闻微博

同一个模型,给年龄打分和给生死打分,看的并不是脸上同一块地方。FaceAge重点分析法令纹、眼眶上方的额头区域和太阳穴;FaceSurvival则主要盯着眼睛下方和鼻梁周围。团队用“注意力图”追踪过AI分析时的视线,但为什么偏偏是鼻梁与眼下这两个区域和死亡风险有关,研究者目前还说不清楚。马克查证后提到一个耐人寻味的巧合:希波克拉底最早描述过眼窝凹陷、太阳穴凹陷和鼻子变尖等濒死早期体征,与算法的关注区域颇为吻合。澎湃新闻微博智通财经

“AI也会看相了”——这是热议中最高频的调侃,知乎上“AI可凭一张面部照片预测癌症患者生存率,其科学依据是什么?有哪些伦理挑战?”的提问,10月20日一天内就出现了三个。但研究者的定位恰恰相反:他们想做的是把医生都在做、却很难标准化的“看一眼”变成量化分数。马克的坦白是,医生“总体而言并不擅长估计临终预期寿命”,面对同一个病人,不同医生的判断可能完全不同。知乎智通财经

看相与这项研究的分界线在于:前者声称从面相读出命运,后者读出的是生物学衰老的统计信号。在美国接受放射治疗的癌症患者中,被AI判定看起来比实际年龄大5岁及以上的人,平均4年随访期内死亡风险高出21%;显年轻5岁及以上的则低17%。而“脸上显老”并非玄学:大量饮酒、吸烟等习惯本身就与面部衰老相关,模型可能正是捕捉到了这些健康风险因素留在脸上的痕迹。把面部年龄分和生存分两个信号一起放进模型,比只用其中任何一个预测得更准。至于日常担心的拍照干扰,团队测试过的结论是:无论皱眉还是微笑、化没化妆、光线如何,都不影响预测;大多数整形手术后结果依然稳定,只有鼻整形会让AI轻微误判。澎湃新闻微博红星新闻

这并不是这支团队第一次读脸。2025年5月,他们早期的FaceAge模型就登上过同一期刊,思路同样是从面部照片预测癌症患者的生物学年龄以辅助治疗决策。当时被点破的短板——训练数据以白人面孔为主——这一次依然没有完全解决:生存模型的训练与验证数据主要来自波士顿地区的患者,其中大部分是白人,团队表示正在扩充更多族裔。换句话说,这些百分比目前只在特定人群里成立,跨种族、跨地区、跨治疗方式的数字还不能直接套用。新智元微博

真正的悬念在于“增量”二字。未参与研究的萨里大学教授米罗斯瓦夫·博伯泼了冷水:这类预测还需要与医生自身判断做对照测试,并在不同医院和患者群体中反复验证。也就是说,研究尚未证明这套分数能在医生常规评估之外多提供有临床价值的信息——而这恰恰是用户追问“它和医生看一眼有什么区别”时最想要的答案。伦理层面的担忧同样具体:用于训练的约3万张癌症患者照片中,许多来自已经去世的人,知情同意问题尚无公开交代。纽约大学生物伦理学中心主任马修·廖则警告,如果AI把本该治疗的患者误判为“健康”,后果不堪设想,而保险公司拿它决定承保或拒保、雇主拿它筛选求职者,都是现实中可能发生的滥用。智通财经红星新闻微博

应对也在推进:团队已就这套面部健康算法提交专利申请。 马克同时强调,这个工具不太可能被用来拒绝或限制患者获得治疗,它更像给医生“多提供一份信息”。红星新闻智通财经

对普通人和患者来说,这个分数暂时不能改变任何治疗决策,它现在是一篇论文里的研究工具,不是诊室里的设备。研究方称,据他们所知,这是首次有AI仅凭一张简单照片直接预测癌症患者的生存预后。 但通讯团队自己也把话留在边界内:后续仍有大量开发工作和临床测试要做。接下来值得盯住的信号有四个:论文正式披露区分度指标(如C指数)、工具与医生评估的头对头对照、跨医院和跨族裔的外部验证,以及“为什么是眼下和鼻梁”的生理学解释。在此之前,“一张照片判生死”是研究进展,不是判决书。澎湃新闻红星新闻

精选参考来源

1
Lancet子刊:面部AI可估算生物年龄并预测癌症生存期!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人工智能模型,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。这项构建与验证研究,提出了两款基于同一训练数据集(超过4000万张人脸图像)衍生的工具——用于估算生物年龄的FAHR-FaceAge,以及用于预测癌症患者生存结局的FAHR-FaceSurvival。其中,FAHR-Face代表“面向健康识别的基础人工智能”,其思路是先由大型系统从海量人脸图像中学习通用表征,再针对特定健康任务微调,从而利用共享模型同时构建年龄估计器与生存预测器,并直接比较两种输出、探究生物年龄信息与生存信息是否冗余。该研究属于计算性研究而非临床试验:它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。据报道,FAHR-FaceAge在估算生物年龄方面比以往算法更准确。研究人员利用经过姿态、光照、面部表情及化妆等现实成像变化处理的图像进行评估,大多数条件下结果保持一致;该模型在多数受试整形手术中亦表现稳定,仅鼻部整形术后观察到轻微偏差。这些发现仅涉及所测试的特定变化与流程下的稳定性,并未证明其性能不受任何图像或医学状况影响。FAHR-FaceSurvival则采用不同方法,旨在直接从面部照片中学习癌症患者的生存结局,而非先估计年龄相关特征再检验其与生存期的关系。年龄预测与生存预测之间相关性较弱,表明两种工具并未简单产生相同结果;联合分析时,每一项均与患者生存期呈独立相关,合并后还进一步提高了生存模型在外部验证队列中的拟合优度,提示两项面部指标可能包含互补的预后信息。但本研究并未确立任何临床决策阈值、治疗选择规则,也未明确任一评分单独使用的安全性。可视化分析显示,FAHR-FaceAge主要关注鼻唇沟、眼眶正上方的额头及太阳穴区域,FAHR-FaceSurvival则更侧重眼下方区域及鼻梁周围。这些差异与相关性较弱的输出结果一致,但研究并未阐明特定面部区域与生物性衰老或癌症生存之间存在何种生物学机制,因此这些地图描述的是模型对视觉信息的使用情况,而非证明所标注区域是某一特定生理过程的直接指标。分析还发现生活方式因素与生物年龄估算之间的关联:大量饮酒、吸毒和吸烟均与外貌上显得更年长相关,其中吸烟趋势最明显——当前吸烟者看起来比曾经吸烟者更年长,曾经吸烟者又比从未吸烟者更年长。这些关联为观察性结果,并非证明吸烟或其他行为导致了所估计的差异,也不表明改变这些行为能逆转模型估计结果。研究者指出,更广泛的目标是使基于面部照片的健康评估更加量化、一致且可扩展,为医生在考虑放疗、手术或全身治疗等强化治疗前提供对机体储备与衰弱状态的评估依据。研究人员正通过经机构审查委员会批准、面向公众开放的“FaceAge研究”在线平台推进工作,参与者可上传面部照片获取评估结果并提供数据,以在更大规模、更具多样性群体中开发并验证基于AI的面部衰老与健康指标。目前支持的结论是:FAHR-Face能基于面部照片推算生物年龄并直接预测癌症生存期,在外部验证中这些综合指标为生存模型增添了额外预后价值;但尚无证据表明使用这些预测能够改善治疗方案选择或临床结局。#科学新闻# #面部AI技术可估算生物年龄并预测癌症生存期# #医学新闻#
2
#4000万张人脸训练AI预测寿命#【#AI仅凭一张照片预测癌症患者生存率#】据彭博社10月20日报道,研究人员开发了一款AI工具,能够仅凭一张面部照片预测癌症患者的存活几率。报道称,新AI模型使用超过4000万张人脸图像,以及3万多名癌症患者照片进行训练,其中许多癌症患者已去世。该训练用于估算患者的年龄,或者对于癌症患者估算其生存概率。根据在《柳叶刀-数字健康》上发表的内容,该工具为患者提供了风险评分,得分最高的患者有可能在90天内死亡。马萨诸塞州癌症综合研究所的放射肿瘤学家Raymond Mak是该研究的作者之一,他表示,医生受过培训仅凭外貌评估患者,但总体上并不擅长估算能活多久。Mak在接受采访时说:“我们认为,使用AI可以从一张人脸照片中捕捉死亡风险。”报道介绍,上述AI工具可以估计年龄,误差约为5年,并能将患者分配到高风险或低风险组,这些群体具有不同的死亡风险。该模型适用于不同年龄、种族、性别和癌症类型。不过,尽管取得了令人期待的成果,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。(经纬科创,嘉玛)
全部
来源
内容由AI生成

精选参考来源

1. Lancet子刊:面部AI可估算生物年龄并预测癌症生存期!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人工智能模型,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。这项构建与验证研究,提出了两款基于同一训练数据集(超过4000万张人脸图像)衍生的工具——用于估算生物年龄的FAHR-FaceAge,以及用于预测癌症患者生存结局的FAHR-FaceSurvival。其中,FAHR-Face代表“面向健康识别的基础人工智能”,其思路是先由大型系统从海量人脸图像中学习通用表征,再针对特定健康任务微调,从而利用共享模型同时构建年龄估计器与生存预测器,并直接比较两种输出、探究生物年龄信息与生存信息是否冗余。该研究属于计算性研究而非临床试验:它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。据报道,FAHR-FaceAge在估算生物年龄方面比以往算法更准确。研究人员利用经过姿态、光照、面部表情及化妆等现实成像变化处理的图像进行评估,大多数条件下结果保持一致;该模型在多数受试整形手术中亦表现稳定,仅鼻部整形术后观察到轻微偏差。这些发现仅涉及所测试的特定变化与流程下的稳定性,并未证明其性能不受任何图像或医学状况影响。FAHR-FaceSurvival则采用不同方法,旨在直接从面部照片中学习癌症患者的生存结局,而非先估计年龄相关特征再检验其与生存期的关系。年龄预测与生存预测之间相关性较弱,表明两种工具并未简单产生相同结果;联合分析时,每一项均与患者生存期呈独立相关,合并后还进一步提高了生存模型在外部验证队列中的拟合优度,提示两项面部指标可能包含互补的预后信息。但本研究并未确立任何临床决策阈值、治疗选择规则,也未明确任一评分单独使用的安全性。可视化分析显示,FAHR-FaceAge主要关注鼻唇沟、眼眶正上方的额头及太阳穴区域,FAHR-FaceSurvival则更侧重眼下方区域及鼻梁周围。这些差异与相关性较弱的输出结果一致,但研究并未阐明特定面部区域与生物性衰老或癌症生存之间存在何种生物学机制,因此这些地图描述的是模型对视觉信息的使用情况,而非证明所标注区域是某一特定生理过程的直接指标。分析还发现生活方式因素与生物年龄估算之间的关联:大量饮酒、吸毒和吸烟均与外貌上显得更年长相关,其中吸烟趋势最明显——当前吸烟者看起来比曾经吸烟者更年长,曾经吸烟者又比从未吸烟者更年长。这些关联为观察性结果,并非证明吸烟或其他行为导致了所估计的差异,也不表明改变这些行为能逆转模型估计结果。研究者指出,更广泛的目标是使基于面部照片的健康评估更加量化、一致且可扩展,为医生在考虑放疗、手术或全身治疗等强化治疗前提供对机体储备与衰弱状态的评估依据。研究人员正通过经机构审查委员会批准、面向公众开放的“FaceAge研究”在线平台推进工作,参与者可上传面部照片获取评估结果并提供数据,以在更大规模、更具多样性群体中开发并验证基于AI的面部衰老与健康指标。目前支持的结论是:FAHR-Face能基于面部照片推算生物年龄并直接预测癌症生存期,在外部验证中这些综合指标为生存模型增添了额外预后价值;但尚无证据表明使用这些预测能够改善治疗方案选择或临床结局。#科学新闻# #面部AI技术可估算生物年龄并预测癌症生存期# #医学新闻#

2. #4000万张人脸训练AI预测寿命#【#AI仅凭一张照片预测癌症患者生存率#】据彭博社10月20日报道,研究人员开发了一款AI工具,能够仅凭一张面部照片预测癌症患者的存活几率。报道称,新AI模型使用超过4000万张人脸图像,以及3万多名癌症患者照片进行训练,其中许多癌症患者已去世。该训练用于估算患者的年龄,或者对于癌症患者估算其生存概率。根据在《柳叶刀-数字健康》上发表的内容,该工具为患者提供了风险评分,得分最高的患者有可能在90天内死亡。马萨诸塞州癌症综合研究所的放射肿瘤学家Raymond Mak是该研究的作者之一,他表示,医生受过培训仅凭外貌评估患者,但总体上并不擅长估算能活多久。Mak在接受采访时说:“我们认为,使用AI可以从一张人脸照片中捕捉死亡风险。”报道介绍,上述AI工具可以估计年龄,误差约为5年,并能将患者分配到高风险或低风险组,这些群体具有不同的死亡风险。该模型适用于不同年龄、种族、性别和癌症类型。不过,尽管取得了令人期待的成果,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。(经纬科创,嘉玛)

3. 麻省总医院 4000万张人脸AI预测癌症生存

4. 科学还是玄学?柳叶刀系列文章,面部年龄预测癌症患者预后

5. #健闻登顶计划##面部年轻化# AI通过面部照片估算生物年龄并预测癌症预后!有趣和有临床意义的研究,论文发表在国人喜爱的医学权威杂志《柳叶刀 数字健康》上。 一个人的生物年龄可能反映在面部特征中,麻省总院布莱根分院的研究人员开发了一种名为“FaceAge”深度学习算法,可通过照片预测生物年龄及癌症患者的生存预后。 癌症患者的FaceAge平均值高于非癌症人群,面部看起来比实际年龄老约5岁。面部年龄预测值较高与多种癌症类型的总体生存预后较差相关。此外,FaceAge在预测接受姑息放疗患者的短期预期寿命方面表现优于临床医生。 “这项工作表明,一张简单的自拍照也蕴含重要信息,可帮助临床医生制定治疗决策和患者护理计划。一个人看起来比实际年龄‘显老’与否至关重要——FaceAge低于实际年龄的个体在癌症治疗后预后显著更好”! 当患者走进诊室时,其外貌可能为医生提供整体健康状况的线索。这些直观评估结合患者实际年龄及其他生物指标,有助于确定最佳治疗方案。但与常人一样,医生可能对患者年龄存在主观偏见,因此需要更客观的预测指标来辅助医疗决策。 基于此目标,研究团队利用深度学习和面部识别技术训练FaceAge模型。该工具通过公共数据集内58851张健康人群面部照片完成训练,并在两个中心的6196名癌症患者队列中进行测试。 结果显示,癌症患者面部显老程度显著高于非癌症人群,其FaceAge平均值比实际年龄大5岁。在癌症患者中,较高的FaceAge与更差的生存预后相关,尤其是面部看起来超过85岁的个体,这一关联在调整实际年龄、性别和癌症类型后仍显著。 临终阶段的生存时间难以精准预测,但对癌症治疗具有关键意义!研究团队邀请10名临床医生和研究人员通过100张接受姑息放疗患者的照片预测短期寿命。结果显示,即使提供患者实际年龄和癌症状态等临床背景信息,医生的预测准确性仅略高于随机猜测(抛硬币);而当结合FaceAge信息时,预测准确性显著提升。 “这为从照片中发现全新生物标志物打开了大门,其潜力远超癌症护理或年龄预测范畴,随着我们日益将慢性疾病视为‘衰老相关疾病’,精准预测个体衰老轨迹变得愈发重要。希望未来能在严格的监管和伦理框架下,将该技术作为早期检测系统应用于多领域,以挽救生命”!

6. 【新型重磅AI工具!仅需一张面部照片 即可预测癌症患者生存几率】国际研究团队开发出新型AI工具,仅靠癌症患者一张面部照片就能预测其生存几率,可精准划分高低死亡风险组,相关成果发表在《柳叶刀·数字健康》,不过该工具目前仍需更多跨场景临床测试验证实际价值。

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章