一张面部照片 AI就能预测癌症患者能否活下来？
一张普通的自拍，可能藏着超乎想象的健康信息。美国波士顿的 Mass General Brigham(麻总百瀚)的研究人员说，人工智能仅凭一张面部照片，就能估算癌症患者的生物学年龄，并预测患者的生存几率。
研究发表在 The Lancet Digital Health
这项研究发表于本周一的 The Lancet Digital Health(柳叶刀-数字医疗)。研究人员说，面部分析有望成为医生评估患者生存几率、选择治疗方案时的一个辅助工具。
这些 AI 模型用 4000 多万张面部照片训练。模型会观察面部不同区域来判断癌症患者的整体健康状况和生物学年龄。和按出生年月算的实际年龄不同，生物学年龄反映的是身体在细胞和生理层面真实的衰老程度。
死亡风险预测算法和年龄估算算法通过观察面部不同部位作出评估。(Mass General Brigham，经 CNN Newsource 提供)
两种算法看脸的不同部位
Dr. Mak 说，估算年龄的算法看的是太阳穴周围、前额、眼睛上方，以及连接鼻子到嘴角的鼻唇沟。而预测死亡风险的算法看的则是完全不同的部位，鼻梁和眼睛下方。
巧合的是，AI 观察的这些面部区域，正是希腊名医希波克拉底在约公元前 400 年所著 Book of Prognostics 中描述过的。希波克拉底写道，鼻子变尖、眼睛凹陷、太阳穴塌陷是肌肉萎缩和死亡风险的征兆。
Dr. Mak 说，算法重现了几千年前的希波克拉底智慧，这让研究团队感到震撼。他强调，算法只用面部照片和"这个人是否去世、有多大年龄"来训练，训练过程完全没有接触过希波克拉底的文本。所以当几千年前的回声出现在算法里时，研究团队觉得非常不可思议。
模型怎么建成的
Dr. Mak 和同事先建了一个名为 FAHR-Face 的基础模型，模型用 4000 多万张覆盖不同年龄和族裔背景的面部照片训练。研究团队再以此为基础微调出两个专用模型，FAHR-FaceAge 根据单张照片估算生物学年龄，FAHR-FaceSurvival 结合面部特征和其他临床信息预测癌症患者的生存几率。
在 FAHR-FaceSurvival 模型判定为高死亡风险的 122 名癌症患者中，超过一半(52.5%)在评估后 90 天内去世，与预测一致。相比之下，模型判定的最低风险组 975 名患者中，只有约 2% 在 90 天内去世。
在 FAHR-FaceAge 评估中，生物学年龄比实际年龄大 20 岁以上的 1060 名患者里，21% 在 90 天内去世。生物学年龄比实际年龄小 10 岁以上的 4195 名患者里，这个比例约为 6%。
研究人员还发现，整容手术、肉毒杆菌注射、化妆等对面部的修饰，不会影响模型的判断。
有前景的概念验证
研究作者强调，这些模型不是要取代医生或现有的临床评估，而是未来可能帮助医生判断患者健康状况和治疗选择的新工具。
Dr. Mak 说，如果能早发现加速衰老或高死亡风险评分，医生或许能更早筛查、更早找出需要进一步检查严重疾病的患者。虽然这次研究只针对癌症患者，但 Dr. Mak 说，未来研究可能揭示，这些发现是否也适用于关心寿命的健康人群。
Emory University 儿科与生物医学工程教授 Dr. Wilbur Lam 说，这项研究的 AI 应用很有意思，但仍需临床验证。他没有参与这项研究。Dr. Lam 在邮件中说，这项研究数据量大，面部图像与生物学年龄、癌症生存风险之间的关联看起来很稳固，但它真正的临床价值还需要前瞻性验证。他还说，正如作者自己提到的，这个工具能否准确用于特定人群仍是问题。比如，对特定面部特征、肤色、年龄段的人效果如何，都需要在临床应用前做前瞻性测试。
University of Surrey 视频处理与机器智能教授 Miroslaw Bober 说，这项研究为"接受放疗的癌症患者中，面部外貌与生存率存在统计关联"提供了令人信服的证据。他没有参与这项研究。他通过英国 Science Media Centre 发布声明说，预测结果不等于解释结果。尽管研究提到了"生物学年龄"，但 AI 是从面部外貌估算年龄，而不是直接测量身体内部的衰老过程。
Miroslaw Bober 说，作者把 AI 依赖的面部区域和医生所说的"濒死面容"联系起来，但研究并没有验证 AI 识别出的东西是医生识别不出来的。他还说，研究没有证明这些预测能在医生对患者整体健康状况的判断之外提供有用的临床信息，而医生的判断在这项研究中并没有被测量。
Miroslaw Bober 的结论是，这是一项有前景的概念验证，但这个工具还没有准备好用于临床。Miroslaw Bober 说，这个工具还需要和医生的判断做对比测试，也需要在不同医院和患者群体中验证。