不妨称之为"自拍科学"。研究人员发现，无处不在的面部图像可用于训练人工智能，作为临床决策支持工具的潜在部署方案——在制定治疗方案时评估患者的生物年龄。
计划于2026年3月在拉斯维加斯举行的HIMSS全球医疗健康会议暨博览会上进行的一场即将发表的演讲，将概述深度学习算法FaceAge的临床试验结果。该算法通过分析面部图像预测个人生物年龄和生存因素。
马萨诸塞州总医院布里格姆医疗系统人工智能医学计划的研究员、波士顿布莱根妇女医院放射肿瘤学家雷蒙德·马克博士表示，这项人工智能开发的思路在于，面部分析可能比医生单纯的视觉直觉提供更客观的判断，从而增强医生的定性评估能力。
"我们认为，面部组织——皮肤、肌肉、血流中捕捉到了潜在的生物学信息，"他在周四接受《医疗健康IT新闻》采访时表示。
医生预测能力测试
医疗行业一直通过基因组学、血液检测和影像学测量患者生物年龄，而测试人工智能与简单面部照片如何提供帮助的研究人员认为，该技术前景广阔。
"我们证明了一个原理：这是癌症患者中一种新型预后因素，可以作为临床用例进行说明，"马克表示。
他指出，医生通常将年龄视为做出艰难医疗决策的重要因素，而且有些医生在评估患者生物年龄方面"非常出色"。
"我们有几位医生的表现水平能达到80%的准确率，"他说，"他们捕捉到了某些视觉线索。"
过去一年，研究人员使用58,000多张健康个体图像和6,196名癌症患者的图像训练了FaceAge算法。
随后，在姑息治疗患者数据与已知结果的对比研究中，该算法在预测短期预期寿命（死亡时间在六个月以内或以上）方面表现优于临床医生，他解释道。
"当我们仅基于照片——目测测试——要求医生猜测时，他们的平均表现仅略优于抛硬币，"马克表示。
当向医生提供标准临床信息时，其表现提高了约10%，但当研究人员向医生提供FaceAge数据时，"这时他们的表现得到提升"，预测准确率达到十分之七或八。
马克表示，即将发表在《自然》杂志上的研究报告揭示，癌症患者的FaceAge通常比实际年龄大五岁，而面部分析年龄较大的患者生存率更低。
潜在应用场景与批评
马克表示，正在开发中的FaceAge和第二款算法FaceSurvival捕捉了"某人面部健康的多个领域，当我们将它们纳入预后模型时，它们能独立地——同时又共同地——提供额外的预后能力"。
他表示，虽然面部图像广泛可用且获取成本低廉，但未来研究也可能在手部数据或潜在的医学影像（如CT扫描）上训练深度学习模型——只要能获得患者随时间变化的图像用于分析。
然而，据马克称，这些工具已经面临批评。
尽管该技术可能提供一种非侵入性方式来预测生物健康状况，但它引发了伦理和临床担忧，包括人们担心人工智能预测可能被用于拒绝救命治疗。
但其益处颇为引人注目，不仅对希望改善定性年龄评估的医生如此，对患者也是如此。
"从医学院伊始，我们就被教导观察患者并记录其看起来比实际年龄更老还是更年轻，"马克解释道。
"这些都是医生——通过临床直觉判断——评估患者基础健康状况以做出各种重大决策的方式，"例如患者是否能承受大型心脏手术或更强化的癌症治疗。
马克表示，在某些情况下，他见过患者接受化疗后，几周内看起来"老了20岁"，"但并非每个人都是如此。"
这些数据可能具有预见性，例如某些带有基因标志物的肿瘤患者可能希望这有助于减少医疗决策的不确定性。
或许FaceAge和FaceSurvival能帮助医生更好地回答"这种情况何时会降临到我身上？"的问题，或帮助转移性癌症患者决定是否接受最终可能只换来比预期更短生存时间且伴随高副作用风险的治疗。
出于心理原因或其他担忧，其他患者可能不希望了解这些信息，例如担心数据可能被用于拒绝他们想要的治疗方案的健康计划覆盖。
"这不是目标；目标是在医学中任何我们使用实际年龄做决策的地方，"马克表示，"FaceAge可以帮助医生改善临床直觉判断。"
尽管迄今为止的测试表明该算法在面部拉皮或其他整形手术情况下依然有效，但研究人员正试图测试体重减轻（如使用减肥药物司美格鲁肽的患者）和面部损伤是否会混淆算法。
他们还正与全球外科医生合作开展未来研究，探索FaceAge分析在健康评估中的应用，例如心血管和神经学专业领域。
"面容年龄：使用人工智能通过自拍解码生物年龄"定于2026年3月11日星期三下午2-2:30在拉斯维加斯威尼斯人酒店5层Palazzo D会议室举行。
【全文结束】
