图灵汇官网

深度学习系统“FaceAge”通过分析人脸照片，估算人体的生物年龄，这项研究发表在《柳叶刀-数字医疗》上。结果显示，癌症患者的面部特征平均看起来比实际年龄大4.79岁。此外，“FaceAge”还能帮助医生更好地预测癌症患者的姑息治疗效果，这表明该算法在临床决策中有一定价值。

文章提到，深度学习模型能通过面部照片推算生物年龄，进而提升对癌症患者生存期的预测准确性。未来的研究需要更大规模的数据验证，以确认这些发现是否适用于其他疾病患者。经过进一步优化，“FaceAge”有望成为一种客观、量化且具备临床意义的评估工具。

研究团队负责人、麻省总医院布莱根医疗系统的Hugo Aerts教授认为，面部照片蕴含的重要信息对制定治疗方案和护理计划至关重要。他提到，如果一个人的“FaceAge”低于实际年龄，那么在接受癌症治疗后的情况可能会更好。

研究者使用公开数据库中的58,851张照片训练了“FaceAge”算法，并用6,196名癌症患者的照片进行了测试。这些照片是在患者开始放射治疗之前拍摄的。结果显示，在癌症患者中，“FaceAge”数值越高，生存结果越差，即便考虑到实际年龄、性别和癌症类型，这一规律依然成立，尤其是对于“FaceAge”超过85岁的人群。

接着，研究团队邀请10位临床医生和研究人员尝试仅凭照片预测晚期癌症患者在接受姑息性放疗后6个月内的生存状况。单靠肉眼判断时，准确率为61%，而结合“FaceAge”分析后，准确率提高到80%。

目前，科学家正在扩大这项技术的应用范围，测试它在预测疾病、整体健康状态和寿命方面的潜力。不过，研究团队承认，“FaceAge”可能存在数据偏差或模型误差等问题。

媒体分析称，这种新技术代表了一种新趋势，即利用器官老化程度作为潜在疾病风险的“生物标志物”。随着AI技术处理大规模健康数据的能力不断提升，这一领域得到了快速发展。

今年2月，另一项研究表明，一种简单的血液检测可以测量内脏器官的老化速度，帮助识别患肺癌等30种疾病的风险。研究还发现，免疫系统老化速度较快的人更容易患上痴呆症。

与此同时，面部老化也成为研究热点，科学家正在尝试多种方法。“感知年龄”的概念——即一个人看起来比实际年龄更老还是更年轻——逐渐受到关注。虽然感知年龄被认为是死亡率和某些年龄相关疾病的预测指标，但它依赖人工判断，耗时且成本较高。

英国纽卡斯尔大学的人工智能专家Jaume Bacardit研究过类似的AI技术，他认为这次对“FaceAge”的评估较为全面。不过，他也指出，需要更多关于技术细节的说明，以排除潜在干扰因素。