AI面诊：新算法扫描面部预测疾病与早逝风险
希拉里·布里克
2025年8月9日 UTC时间9:00（北京时间17:00）
7分钟阅读
面部识别技术开启医疗新纪元
面部识别应用正在革新医疗诊断领域：从监测痴呆症患者的疼痛反应，到诊断儿童创伤应激，再到预测早逝风险。通过尝试哈佛大学的FaceAge应用，用自拍照片估算生物年龄进而推断整体健康状况，本文揭示这一前沿技术的潜力与挑战。
该文章属于"医疗革新"系列，聚焦能节省时间、费用或减少患者不适的医学创新。
当我输入自拍照片时，哈佛"FaceAge"算法显示我看起来像28岁，也可能看起来38岁。这个基于照片判断"生物年龄"的算法，旨在快速评估个体健康状况。这款应用是众多将自拍转化为诊断工具的新尝试之一。
现有技术包括鼻塞诊断、过敏症状识别，以及监测驾驶员困倦状态的应用。部分系统可测量疼痛程度、疾病体征，甚至自闭症特征。某款应用正通过追踪儿童创伤后应激障碍，避免他们反复叙述创伤经历。
自2022年以来，伴随人工智能和芯片技术的突破，临床面部识别技术蓬勃发展。今年多个新技术承诺能实现疾病早诊、优化治疗方案，甚至预测早逝风险。
"这是医学生物标志物，而非噱头。"哈佛医学院放射科雷蒙德·马克博士说道。他带领的团队开发的面部识别技术，近期刚被商业内幕测试。
伦理隐忧浮现
但伦理专家担忧，在尚未完全理解技术原理的情况下推进可能带来风险。"AI正快速进入医疗领域，我们必须确保其安全性和益处。"东北大学机器学习助理教授马利赫·阿里卡尼指出。
面部健康密码
我们的面部能反映身体、心理和生物年龄。虽然计算机才刚涉足此领域，人类却已利用面孔做快速判断数千年。
达特茅斯学院面部认知专家布拉德·杜昌教授解释："3000万年前人类视网膜进化出第三类视锥细胞，专门通过红绿色调扫描面部健康状况。人们看到红润脸颊会认为健康，画病态面容时会用绿色调。"
确实如此：面部潮红可能显示良好血液循环，或来自水果蔬菜的类胡萝卜素水平。克利夫兰整形外科医生巴曼·盖鲁伦通过研究生活方式差异的同卵双胞胎发现：压力大、毒素多的个体看起来更显老。皮肤松弛和皱纹可能反映胶原蛋白减少、皮质醇水平升高等内部健康问题。
相反，超级百岁老人的研究显示，其器官和细胞运作效率超常，平均外观比实际年龄年轻27岁。
亲身体验面部扫描
FaceAge算法检测到我的鼻唇沟和眼耳之间的太阳穴区域特征，显示我看起来27.9岁（实际年龄38岁）。最早应用于医疗领域的面部识别技术是2014年发布的Face2Gene，帮助医生诊断遗传疾病。研究表明该技术比人类医生更准确地从面部特征关联特定遗传问题。
澳大利亚PainChek应用自2017年起追踪养老院患者的疼痛表现，主要用于无法言语表达疼痛的痴呆症患者。公司近期宣布正等待美国食品药品监督管理局(FDA)审批，预计2025年9月获批。
我决定亲自尝试FaceAge应用。这款哈佛研发的生物年龄测量工具尚未公开上市，目前作为研究工具使用。研究人员表示终极目标是通过自拍提升诊断水平，未来可能通过个性化患者生物学特征优化癌症治疗，或在健康问题发生前预警。
该算法重点分析两个面部区域：鼻唇沟和眼耳之间的太阳穴。开发者马克博士解释："如果面部年龄比实际年龄加速衰老，这是不良预后的强烈信号。"
我提交了四张自拍：在最暗、最模糊的照片中，算法认为我27.9岁（实际38岁）；素颜强光直射照片得出的面部年龄最高；冬日和阴天照片结果居中。人类和扫描应用都通过面部线条、边缘和细节评估年龄，这解释了为何模糊照片（或医美手段）能显年轻。
美国国立卫生研究院高级研究员贝维尔·康威指出："在极度模糊的照片中，你剥离了所有高频空间信息。"环形灯光能掩盖衰老迹象，而正午阳光则有相反效果。
实验结果显示我的面部状态良好，但评估结果波动较大。虽然坚持健康饮食和规律运动，但不同光照条件对结果的影响程度仍值得探究。
伦理迷雾中的技术困境
即便仅是测量年龄，将AI引入诊疗室也充满伦理困境。阿里卡尼指出："多家公司开发系统后推销给医院、边境机构，事后才意识到潜在问题。"
2017年斯坦福大学开发的"性向识别"AI引发巨大争议。该应用声称能识别性取向，批评者认为它只是捕捉与性别特征相关的社会线索。上海交通大学研究团队开发的犯罪倾向识别算法更引发伦理质疑。
阿里卡尼指出这类研究接近伪科学的颅相学，该理论曾被用于种族主义辩护。她强调："更好的医疗应让患者更多参与决策，若将此权交给AI意味着什么？"
【全文结束】
