"岁月不饶人":量化面部衰老的预后价值You Haven’t Aged a Day: The Prognostic Value of Facial Aging

环球医讯 / AI与医疗健康来源:www.medscape.com美国 - 英语2026-08-17 11:46:35 - 阅读时长5分钟 - 2482字
本文详细介绍了利用AI技术"FaceAge"量化面部衰老与癌症患者预后关系的创新研究。该研究对2276名接受放射治疗的癌症患者进行分析,发现面部衰老速率较快的患者死亡风险显著增高,且这一关联在调整性别、种族和癌症诊断等变量后依然存在。研究表明面部衰老不仅反映外在变化,更可能揭示体内炎症、皮质醇水平等潜在生物学过程,为癌症预后评估提供了全新视角。这项研究将日常"你看起来老了"的主观观察转化为可量化的医学指标,对理解癌症治疗过程中的生理变化具有重要临床意义。
面部衰老量化衰老癌症预后预后价值癌症患者放射治疗死亡率衰老速率FaceAge人工智能医学研究
"岁月不饶人":量化面部衰老的预后价值

本文字稿经编辑以提高清晰度。

欢迎来到《影响力因子》,这是您每周获取新医学研究评论的窗口。我是来自耶鲁医学院的F. Perry Wilson博士。

上周末我参加了医学院20周年聚会。向'06届P&S班级致意。再次见到那些人真是令人惊叹,正如你所预料的,我听到(也说了)很多次"天啊,你看起来一点都没变老"。当然,20年后这在技术上并不准确。我想当我们这么说时,我们可能的意思是"你衰老的速度比我预期的慢得多"。但出于某种原因,人们对你这样表达时反应并不太好。

反过来也是一样。我们都遇到过一些人,或患者,看起来比我们记忆中要老得多。通常认为提及这一点是不礼貌的。但事实证明,我们实际上可以量化这种主观感受——某人看起来的年龄与我们预期的年龄之间的差异,而一项新研究表明,这一指标对癌症患者可能具有特殊的预后意义。

坦率地说,接受癌症治疗压力巨大。化疗、放疗及其副作用带来的身体负担,诊断带来的心理压力,生活重组,对你和亲人结果的担忧。癌症使人衰老并不令人意外。

但这很难量化。于是出现了这篇发表在《自然通讯》上的论文,该论文利用人工智能为我们都有的这些模糊年龄印象提供了硬性数字。

该研究纳入了2276名接受放射治疗的癌症患者。大多数,约63%,在基线时已有转移性疾病。作为常规护理的一部分,他们拍摄了两张照片——一张在治疗开始时,一张在之后的某个时间。研究人员提出了两个问题。首先,在基线时看起来比实际年龄更老的人是否长期预后更差?第二,我认为更有趣的是,衰老的"速率"是否具有预后意义?

首先说明一下这是如何工作的。

作者使用了一个名为FaceAge的开源软件包,这是一个在4000多万张面部图像上训练的定制软件包。我能够在我的计算机上用Python运行该软件包的一个版本来进行测试。

这里显示的是2009年就职典礼前不久的巴拉克·奥巴马。他当时47岁。根据FaceAge,他51.3岁。相差4年。在这项研究中,他们将这称为FaceAge偏差。右边是7年后的奥巴马,54岁,接近总统任期结束。根据FaceAge,他61.5岁,FaceAge偏差为7.5年。我们可以通过将FaceAge的变化除以时间变化来计算衰老速率。在7个实际年份中,他的面部衰老了10.2年,导致面部衰老速率为1.45。这就是总统任期的可量化年龄加速。

让我们来看看研究中的患者。这里显示的是第一次就诊时的FaceAge偏差。这是图像模型认为他们比实际年龄看起来老(或年轻)多少。你可以看到广泛的分布,有些幸运的人看起来比实际年龄年轻40岁。但平均而言,模型似乎相当校准良好,大多数与实际年龄的偏差接近零。

当我们看面部衰老"速率"时,情况变得有点复杂。这是因为两次拍照之间的时间没有标准化。有些人拍照间隔只有短短一周,在这段时间内,模型中的噪声和误差会真正主导结果。此图表显示了这种效果。X轴是我们两次照片之间的时间,Y轴是面部衰老速率。为处理此问题,作者根据两次拍照相隔多远来分层分析。

让我们看看该分析。我们先从那些照片间隔相对较近的人开始,彼此在一年内。记住,在如此短的时间尺度上,测量中会有大量噪声,因此作者将面部衰老速率二分法分为高于或低于20。我们比较面部衰老速度至少比预期快20倍的人与面部衰老速度不那么快的人。

令我惊讶的是,加速组中有如此多的患者——约20%。而且他们的全因死亡率高得多,实际上高22%。

对于那些照片间隔稍长的人,从1到2年不等,测量中的噪声较少,使研究人员能够将面部衰老速率在10倍于预期处二分数据。该组的死亡率高54%。

在400名左右照片间隔超过2年的患者中,作者简单地将队列按面部衰老速率为1划分——比预期衰老更快的人与比预期衰老更慢的人。再次,出现了强烈的信号。那些比预期衰老更快的人死亡率高60%。

在对性别、种族和癌症诊断等因素进行多变量调整后,这些发现仍然存在。事实上,在考虑了FaceAge后,实际日历年龄与结果无关。我要指出的是,没有对可能影响AI模型对面部外观判断的肉毒杆菌、填充剂或其他整形手术进行调整。

关键的是,在调整了基线FaceAge偏差后,这些发现仍然存在。这最好通过等高线图来可视化。你看到的是,随着基线年龄偏差增加,死亡风险增加;治疗开始时看起来更老的人往往预后更差。但不仅如此,当你向上移动图表时,你会看到对于任何给定的基线年龄偏差,更快的衰老"速率"会进一步增加风险。对这两个因素预测能力的分析实际上发现,面部衰老速率比基线FaceAge具有更高的预后价值。

我想谈论这项研究,因为我喜欢当我们通常无法量化的事物被量化时,但值得问的是这里是否有任何临床意义。目前,我不认为我们会使用AI扫描人们的面部并做出预后判断。肿瘤医生将继续使用ECOG等功能状态指标来决定持续化疗的益处是否大于风险。

但像这样的研究确实打开了一扇门,提出更深层次的生物学问题。表面下发生了什么导致可见的衰老?是炎症?皮质醇?淋巴系统中的某些问题?营养不良?

如果你像我一样,想测试自己的FaceAge,网上有很多网站可以做到这一点。但请注意一点警告。每个模型都不同,这项研究只在GitHub上测试了开源的FaceAge模型。为了向你展示这些模型差异有多大,这里是真正的FaceAge模型对我的评估,现年46岁。52.9岁。这很伤人。

将同一张照片发送到在线的FaceAge.AI,得到了更友好的40岁年龄估计。该模型对奥巴马总统也更友好,在他第一次就职时将他定为47岁。

所以,是的,魔鬼藏在细节中。但事实证明,你看起来的年龄可能比表皮更深。

F. Perry Wilson医学博士、医学科学硕士是医学和公共卫生副教授,也是耶鲁大学临床和转化研究加速器主任。他的科学传播工作可以在《赫芬顿邮报》、NPR和Medscape上找到。他在@fperrywilson发布内容,他的书《医学如何运作及何时不运作》现已上市。

【全文结束】