AI看脸识癌有新进展 面部图像模型可估算生物学年龄与生存预后

2026-10-27 13:56:27

美国麻省总医院布里格姆医疗中心的研究人员完成了一项以面部图像为基础的人工智能研究。他们使用了超过 4000 万张面部图像作为训练数据，其中大约包含 3 万张癌症患者的照片，在此基础上训练出名为 FAHR-Face 的人工智能基础模型，全称是健康识别 AI 基础模型。4000 多万张面部图像构成的训练集规模，是这一基础模型得以建立的重要基础，其中约 3 万张来自癌症患者的照片，为模型学习疾病相关的面部特征提供了专门样本。

围绕这一模型，研究团队进一步开发了两款实用工具，一款叫做 FAHR-FaceAge，用来估算一个人的生物学年龄，另一款叫做 FAHR-FaceSurvival，能够直接对癌症患者的生存预后作出预测。FAHR-FaceAge 与 FAHR-FaceSurvival 虽然共用底层模型，但承担的任务并不相同。前者聚焦年龄维度的估算，帮助判断一个人的生物学老化程度；后者则直接面向预后，给出与生存相关的风险信号。两者结合，使面部图像从单纯的身份识别素材，转变为可参与临床评估的参考信息。

这项研究的相关论文在 2026 年 10 月 19 日发表于《柳叶刀·数字健康》期刊，通讯作者为放射肿瘤科医生雷蒙德·马克。论文披露了模型在面部不同区域关注的重点：用于估算年龄的模型主要分析鼻唇沟、额头与太阳穴等位置的特征，而用于预测生存的模型则把分析重点放在眼睛下方与鼻梁周围的区域。不同任务对应不同的面部关注点，说明模型在训练过程中捕捉到的是与年龄和预后分别相关的细微线索。

研究成果显示出面部特征与健康状况之间值得关注的关联。数据显示，看起来比实际年龄大至少 5 岁的患者，其死亡风险要比对照高出 21%；而看起来比实际年龄年轻至少 5 岁的患者，死亡风险则低 17%。这种差距提示，面部状态所反映的生物学衰老程度，可能与疾病预后存在某种联系，而不仅仅是个人的主观观感。

在涉及 3820 名癌症患者的测试组中，风险评分处于最高的 122 人里，有 64 人在完成拍照之后的 90 天内去世。3820 名癌症患者构成的测试组，规模足以支撑对风险评分区分能力的观察，最高分组中 90 天内去世比例过半的结果，也提示该信号在短期预后判断上具备参考价值。对于临床工作而言，这类信号如果能被稳妥地利用，有助于把评估和照护资源向风险更高的人群倾斜。

通讯作者雷蒙德·马克的职业身份是放射肿瘤科医生，这一专业背景与研究所指向的癌症预后判断方向彼此吻合，也说明模型从一开始就把应用目标放在肿瘤诊疗场景。研究团队提交专利申请这一举动，则表明他们希望把这项成果从论文推向实际应用，而并非停留在实验阶段。

研究团队目前已经提交了专利申请，同时也明确强调，这类工具的设计目标在于辅助医生评估患者的衰弱程度，并为个性化治疗决策提供支持，而非取代医生的专业判断。模型输出应被视作临床参考的一项补充，诊疗方案仍须由具备资质的医务人员结合具体情况来确定。把人工智能放在辅助位置，既是对技术边界的清醒认知，也是对医疗安全责任的重申。