WASHINGTON, D.C. — 医生在问诊时常会使用所谓的“目测法”——通过观察患者外观是否与实际年龄相符来做出初步判断，这种直觉评估往往会影响关键的医疗决策。
这项经验性评估即将迎来人工智能（AI）升级。
《柳叶刀-数字健康》杂志于周四发表的深度学习算法FaceAge，能够将一张简单的头部照片转化为数字，更精确反映人的生物年龄而非生理年龄。该模型基于数万张健康成人照片训练，结果显示癌症患者的平均生物年龄比同龄健康人高5岁。研究作者指出，该技术可帮助医生判断患者是否能承受高强度治疗，或是否更适合温和疗法。
“我们假设FaceAge可作为癌症治疗中的生物标志物，量化患者的生物年龄并辅助医生做出艰难决策，”共同通讯作者雷蒙德·马克（Raymond Mak）表示。他是哈佛大学附属波士顿马萨诸塞州总医院健康系统（Mass Brigham Health）的肿瘤科医生。他举例称：一位75岁但生物年龄显示65岁的活跃患者，与一位60岁但生物年龄显示70岁的虚弱患者相比，前者可能适合激进放疗，后者则面临更高风险。该逻辑同样适用于心脏手术、髋关节置换或临终关怀决策。
更精准的衰老观测镜
现有研究显示，人类衰老速度受基因、压力、运动习惯等因素影响。虽然昂贵的基因检测可分析DNA磨损，但FaceAge仅需一张自拍即可提供预测。
该模型训练数据包含58,851张60岁以上健康成人公开照片，随后在美国和荷兰的6,196名癌症患者中测试。结果显示，癌症患者的生物年龄平均比实际年龄高4.79岁。测试数据显示，FaceAge评分越高，生存风险越显著——即使扣除实际年龄、性别和肿瘤类型后，生物年龄超过85岁者风险陡增。
有趣的是，AI评估衰老的侧重点与人类不同。例如，白发或脱发对预测影响较小，而面部肌肉张力的细微变化更受关注。当8名医生仅凭照片猜测终末期癌症患者的6个月生存率时，正确率接近随机；引入FaceAge数据后，预测准确率显著提升。该技术甚至验证了网络迷因：演员保罗·路德（Paul Rudd）50岁时的照片被预测为43岁。
伦理与偏差防护
AI工具曾因对非白人群体表现不佳遭质疑。马克表示初步检测未发现FaceAge存在显著种族偏差，但团队仍在基于2万名患者数据训练二代模型，并研究化妆、整容手术或灯光变化对系统的影响。
伦理争议同样突出：该技术对临床医生是福音，但可能被保险公司或雇主用于风险评估。研究联合作者、马萨诸塞州总医院AI医疗项目负责人雨果·艾特斯（Hugo Aerts）强调：“必须确保技术仅用于患者利益。”另一个难题在于反馈机制：得知自身生物年龄偏高可能促使健康改变，也可能引发焦虑。研究团队计划推出公共FaceAge平台，用户上传照片参与研究以进一步验证算法，未来可能开发面向临床医生的商业化版本。
【全文结束】
