- 发布日期
AI有望辅助预测癌症患者的生存风险 只需分析一张面部照片
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
美国马萨诸塞州综合医疗机构Mass General Brigham的研究团队开发出新一代面部健康识别模型FAHR-Face，可通过分析面部照片估算生物学年龄并评估癌症患者生存风险。相关研究显示，面部图像中包含与癌症患者预后相关的信息，未来或可为医生评估患者身体状况和制定治疗方案提供参考。研究成果已发表于《柳叶刀·数字健康》。
FAHR-Face基础模型使用超过4000万张不同年龄和族群的面部照片训练。研究团队在此基础上开发了两种互补工具：FAHR-FaceAge用于估算生物学年龄并辅助评估癌症预后，FAHR-FaceSurvival则直接从面部照片预测癌症患者生存风险，而非先估算年龄再间接推断。研究人员希望让人工智能从面部图像中识别与患者身体状况和生存结局有关的信号。
在训练与验证中，FAHR-FaceSurvival使用了34363张癌症患者面部照片，并在独立患者数据集中接受验证。结果显示，模型预测死亡风险最高10%区间的患者中，约有一半在90天内死亡；风险最低10%区间的患者中，这一比例约为2%。按四分位数比较，最高风险组死亡风险显著高于最低风险组，调整后风险比为3.23。
研究还发现，人工智能估算的生物学年龄与实际年龄之间的差距与生存结局存在关联。接受放射治疗的患者中，面部看起来比实际年龄大至少5岁者，在平均约4年的随访期间死亡风险比其他患者高21%；面部看起来年轻至少5岁者，死亡风险低17%。这并不意味着一个人看起来年轻，就一定能够更好地抵抗癌症。
不过，研究中的生物学年龄是由人工智能根据外貌估算的指标，并非直接测量细胞衰老、器官功能或免疫系统状态。模型究竟识别了哪些具体生理信号仍未完全明确。通过分析注意力区域，研究人员发现FAHR-FaceAge主要关注法令纹、额头和太阳穴区域，FAHR-FaceSurvival更多关注眼睛下方和鼻梁周围。
研究团队认为，这项技术未来可能帮助医生在决定手术、放射治疗或全身性药物治疗前，更好评估患者身体储备和虚弱程度。对于年龄较大、身体状况复杂或缺乏完整传统生物标志物数据的患者，面部照片分析有望成为成本较低、操作简便的辅助评估方式。研究还发现吸烟与面部显得更衰老关联最突出，过量饮酒和药物使用也有关联。
但研究人员和外部专家强调，该技术目前不能直接取代医生判断，模型准确性并不自动意味着能改善实际治疗效果。未来仍需确认，将面部分析结果加入病史、检查数据和体能评估后，能否提高预测准确性。模型训练患者主要来自高收入国家，如何适用于不同族群、年龄层和医疗环境，以及避免训练数据偏差，仍需更广泛独立验证和前瞻性临床研究。
