AI仅看人脸照片即可预测癌症死亡风险，准确率相差超25倍

不用查病历、看CT影像，也不做血液化验，仅凭一张普通的脸部登记照，AI就能评估癌症患者的死亡风险。

国际医学期刊《柳叶刀·数字健康》近日发表了一项新研究。美国麻省总医院布莱根医疗集团的研究团队开发了一款名为FAHR-Face的视觉基础模型，能从人脸照片中挖掘与患者生存率密切相关的生理线索。

一张面孔，两种截然不同的风险

在对3820名未参与训练的癌症患者进行的独立测试中，AI将其中122人归类为“极高风险”。在拍照后的90天内，这122人中有64人离世，死亡比例高达52.5%。

与此形成鲜明对比的是，另有975名患者被评为最低风险区间（0至0.1分），90天内的死亡比例仅为2.1%。高低两组的近期死亡率相差超过25倍。

为了训练该模型，团队先用4000多万张普通人脸照片，通过遮蔽还原法（Masked Autoencoding）训练视觉基础模型，让AI充分掌握人脸结构特征。随后，研究人员引入34363张癌症患者面部照片及其对应的生存期记录，采用排序学习（Learning to Rank）算法，教AI对比不同患者的相对生存时间。

即使将年龄、性别、癌症分期及治疗方案等传统变量纳入多元统计回归，最高风险组的死亡风险依然是最低组的3.23倍。随后，团队使用荷兰Maastro放疗中心的近4900名患者数据进行跨国跨机构验证，同样观察到了高度一致的预测趋势。

算法在人脸上看到了什么？

AI究竟是捕捉到了苍老程度，还是发现了更深层的病理信号？

此前，该团队曾开发过名为FAHR-FaceAge的面部年龄估计模型。数据显示，面部表观年龄比实际年龄大5岁以上的患者，死亡风险确实要高出约21%。

但注意力热力图显示，两套模型关注的面部区域截然不同：

• 预测年龄时，模型高度聚焦于额头、太阳穴和法令纹；
• 预测死亡风险时，模型的焦点却转移到了眼眶下方和鼻梁周围。

这一发现与传统医学中的“希波克拉底面容”不谋而合。医学史上很早就记录过重症患者眼窝深陷、鼻骨尖削、肌肉萎缩等恶病质征象。AI可能敏锐地量化了这些伴随身体衰竭而来的微弱解剖变化。统计分析也显示，面部表观年龄与死亡风险评分的相关系数仅为0.16，两者是相互独立的互补指标。

走向临床仍存挑战

人脸照片的优势在于无创、易得、成本极低。在临床决策中，医生在决定患者是否能承受放化疗等高负荷治疗时，非常需要客观的身体机能评估工具。

不过，该技术若要正式落地临床，仍需迈过多道门槛：

1. 拍摄条件干扰：学界指出，表情变化、采光角度都会影响面部识别特征，如何确保不同设备和光线下的一致性是核心难题。
2. 种族代表性：当前训练与验证数据以白人群体为主，多族裔的泛化能力仍待进一步验证。
3. 临床干预价值：算法能将人群分层，但能否直接辅助医生调整治疗方案并改善患者预后，目前缺乏前瞻性临床试验支持。

事实上，利用面部特征评估健康已成为医学AI的热门方向。阜外医院团队曾在《欧洲心脏杂志》上展示过通过人脸识别冠心病的成果；丹麦团队近期也尝试利用急诊患者面部照片辅助分诊。这张每天被摄像头记录的人脸，正成为反映全身生理状态的数据新窗口。