一项突破性研究发表在《柳叶刀数字健康》上，介绍了一种能够通过分析自拍中的面部特征来预测人体衰老速度的AI工具，为医生提供了估算癌症风险和制定治疗方案的新方法。
由Mass General Brigham的科学家开发的这一深度学习算法被称为FaceAge。它基于近6万张健康个体的照片进行训练，并在超过6000名接受放射治疗的癌症患者中进行了测试。
从快照到预后
与传统的年龄估算不同，FaceAge并不依赖出生证明。相反，它通过分析皮肤纹理、眼形和面部肌肉张力等细微特征，估算出一个人的“生物学年龄”，即反映身体真实状态的年龄。
研究显示，癌症患者的生物学年龄平均比其实际年龄老约五岁。每增加一年的生物学年龄，生存率显著下降，这使其成为一个强有力的预测指标。
FaceAge的重要性
几十年来，医生一直通过观察面部线索来判断患者是否适合某种治疗。例如，虚弱的外表可能会促使选择更温和的疗法，而看起来精力充沛的患者则可能接受更为激进的治疗方案。然而，这些印象往往是主观的。
FaceAge提供了一个客观且有数据支持的估计。首席研究员Hugo Aerts表示：“我们可以通过AI从面部照片中估算一个人的生物学年龄，研究表明这些信息具有临床意义。”
超越人眼的能力
为了测试该工具的实际应用潜力，研究人员要求十名临床医生根据患者记录和实际年龄预测接受姑息性放疗的患者能否存活数月。即使拥有这些信息，他们的准确率也仅略高于随机猜测。
当引入FaceAge后，预测准确性显著提高。这表明AI可以捕捉到人眼通常忽略的细微特征，从而成为复杂医疗决策的重要辅助工具。
潜力超越肿瘤学
FaceAge的应用范围不仅限于癌症领域。由于加速衰老是许多慢性疾病（如心脏病和痴呆症）的基础，因此这种能够早期检测衰老迹象的工具可以在症状出现前数年启动预防性护理。
该研究的共同资深作者Ray Mak表示：“这为生物标志物的发现打开了新的大门。其潜力远远超出了癌症护理或年龄预测。”
挑战与警示
尽管前景广阔，FaceAge尚未准备好投入临床使用。目前模型仅基于两家医院的数据进行训练，而光线、照片质量或文化因素（如化妆和护肤习惯）可能导致结果偏差。
研究团队计划在更大、更多样化的人群中验证该工具，并强调需要强有力的伦理保障措施，包括患者同意和数据使用的透明度。
FaceAge为我们展望了未来的一种可能性——一张简单的自拍照或许能够帮助指导医疗服务，将日常图像转化为检测疾病和个性化治疗的强大工具。
(全文结束)
