10月20日，国际医学期刊《柳叶刀·数字健康》发表的一项研究显示，美国麻省总医院布莱根医疗集团开发的AI模型FAHR-Face，仅凭一张普通的人脸照片即可区分癌症患者的死亡风险差异，无需调取病历、分析CT影像或参考血液检查结果。
研究团队首先使用超过4000万张普通人脸照片训练视觉基础模型，训练方式为随机遮挡照片中约75％的区域，再由模型还原完整图像，以此学习人脸结构与面部特征之间的关联。在此基础上，研究人员引入34363张癌症患者脸部照片及对应的生存记录，采用排序学习方法让模型比较不同患者的生存时间，最终输出0到1之间的死亡风险评分。
在3820名未参与训练的癌症患者测试中，被模型评为极高风险的122人里有64人在拍照后90天内去世，比例达52.5％；而评分处于0到0.1区间的975人中，同期仅有20人去世，比例为2.1％，两端相差超过25倍。将患者按评分从低到高分为四组后，生存率随评分升高而明显下降；在纳入年龄、性别、癌症类型、治疗情况等因素后，最高风险组的死亡风险仍为最低组的3.23倍。研究团队随后使用荷兰Maastro放疗中心4892名患者的数据进行外部验证，观察到相似规律。
除死亡风险预测外，研究团队还开发了面部年龄估计模型FAHR-FaceAge。分析显示，面部年龄比实际年龄大至少5岁的患者，死亡风险高出约21％。注意力热力图表明，年龄模型主要关注法令纹、额头和太阳穴附近，而死亡风险模型更关注眼睛下方和鼻梁周围，两类信息关联较弱但可互相补充。研究团队提出，这些面部特征可能与重病患者的面容变化有关，但尚未证明模型具体识别出哪些生理变化。英国萨里大学机器学习教授Miroslaw Bober在专家点评中指出，该研究证明了面部特征与生存风险存在统计联系，但能够预测结果不代表已经弄清原因。
该研究路线的主要价值在于成本与便捷性。CT、核磁共振需要专门设备，病理检查需要采集组织样本，而人脸照片只需一台普通相机，部分研究用照片原本就是医院为核对患者身份拍摄的常规照片。研究负责人、放射肿瘤学家Raymond Mak表示，这有望为医生提供一种低成本、操作简单且不增加患者身体负担的辅助评估方式。目前该模型仍处于研究阶段，距离临床落地尚需进一步验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
