一种由哈佛大学开发的新的人工智能模型，称为FaceAge，通过分析照片中的面部特征来估计生物年龄——并可能通过显示患者看起来比实际年龄老多少来帮助预测癌症生存率。
FaceAge经过58,851名健康人的图像训练，后来在癌症患者中进行了测试，以探索看起来比实际年龄老是否可能表明更差的健康结果。
报告称：“我们发现，平均而言，癌症患者看起来比他们的实际年龄要老，而且看起来更老与总体生存率较低相关。”“FaceAge在各种类型和阶段的癌症中显示出显著的独立预后性能。”
实际年龄是指一个人活了多少年，而生物年龄则反映了他们的身体相对于这个数字的功能状态。根据哈佛研究人员的说法，一个人的外貌可以提供有效的生物标志物来确定其生物年龄。
FaceAge建立在ETH苏黎世早期工作的基础上，那里的研究人员创建了Deep EXpectations (DEX)，这是一个开源的深度学习模型，可以从面部图像中估计出明显的年龄。哈佛团队还使用IMDB-WIKI和UTKFace（两个最大的公开面部图像数据集）中的图像对FaceAge进行了训练。
自2006年以来，哈佛大学投入了大量资源来理解和逆转生物衰老。最近，该大学扩大了对利用人工智能诊断和治疗癌症的研究投资，这些领域正在越来越多地融合。
2024年10月，哈佛医学院的开发者推出了一个新的AI模型，称为临床组织病理学成像评估基金会（CHIEF）。当时，研究人员指出，该AI在癌症检测方面的准确率达到96%，超过了之前测试的模型。
虽然FaceAge研究集中在生物年龄和癌症上，但研究人员表示，它可能会有更广泛的应用。
“这些发现可能扩展到癌症以外的疾病，激励使用深度学习算法将患者的外观转化为客观、定量且具有临床实用性的指标，”哈佛研究人员说。
FaceAge是医学专家越来越关注生物年龄的最新工具，利用面部分析来识别早期衰退迹象，并将护理重点从治疗转向预防。
斯坦福大学深度学习兼职教授兼技能智能公司Workera创始人Kian Katanforoosh等专家表示，向AI在生物年龄研究中的转变是为了克服人类的局限性。
“AI分析面部数千个特征，找出大多数人不会注意到的东西，并找到与生物老化相关的模式，”Katanforoosh告诉Decrypt。“这类似于早期深度学习模型如何在识别人脸中的猫方面超越人类。它们没有使用直觉。它们是在数百万个例子上训练的，并学会了统计上一致的东西。”
他补充说：“人类是有偏见和不一致的。AI是系统性地大规模训练的，这是人类无法比拟的。”
(全文结束)
