马萨诸塞州总医院的研究人员开发了一种名为“FaceAge”的开创性深度学习算法，可以通过分析一张面部照片来估计一个人的生物学年龄。
这项创新工具不仅在预测生物学年龄方面显示出潜力，还在识别癌症患者的生存结果方面提供了新的见解，可能为临床护理提供新的信息。
研究人员发现，癌症患者通过FaceAge预测的生物学年龄通常比他们的实际年龄要高。平均而言，癌症患者在AI系统分析下显得比他们的真实年龄大五岁左右。
这种通过面部特征测量出的生物学年龄差距与各种类型癌症的较差生存率相关。这项研究发表在《柳叶刀数字健康》杂志上，表明FaceAge在预测接受姑息性放疗患者的短期生存率方面可能比传统的临床评估更可靠。
据马萨诸塞州总医院人工智能医学（AIM）项目主任、该研究的共同资深作者Hugo Aerts博士介绍，该算法可能会彻底改变医生评估患者的方式。
他解释说，一张简单的照片可以揭示医生通常基于直觉和视觉线索估计的关键健康信息。他指出，看起来比实际年龄年轻的患者在接受癌症治疗后恢复得更好，而那些看起来较老的患者则预后较差。
当医生看到患者时，他们经常会根据外观、结合年龄和其他医疗信息快速判断患者的总体健康状况。但这些视觉评估有时可能会带有偏见。
例如，一个看起来较老的人可能会被认为病情更严重，即使他们的病历并不支持这一点。这正是FaceAge可以提供更客观和准确测量的地方，减少医疗决策中的偏见。
为了开发FaceAge，研究人员使用了深度学习和面部识别技术。他们在公共数据集中的58,851张健康个体的照片上训练了这个工具。该系统学会了识别与衰老和健康状况相关的面部特征。
训练完成后，FaceAge在两个不同医疗中心的6,196名癌症患者身上进行了测试。这些患者在开始放疗前拍摄了照片，提供了将生物学年龄预测与实际健康结果进行比较的绝佳机会。
结果显示，癌症患者通过FaceAge预测的生物学年龄平均比他们的实际年龄高出约五年。那些看起来比实际年龄大得多的患者更有可能有较差的生存率。
即使在调整了年龄、性别和癌症类型等因素后，这种差异仍然显著。根据FaceAge，年龄超过85岁的患者特别容易出现不良生存前景，突显了该算法在识别高风险人群方面的潜力。
除了预测生存率外，研究人员还测试了FaceAge在临床环境中的有效性。他们让十名临床医生和研究人员估计100名接受姑息性放疗的癌症患者的短期预期寿命。尽管有完整的病史和年龄信息，临床医生的预测也只略好于随机猜测。
然而，当他们得到FaceAge的估计值时，他们的预测有了显著改善。这表明FaceAge提供了医生仅通过观察患者或查看病历可能无法察觉的重要信息。
研究团队认为，这项技术可能会改变医生对年龄和健康的看法。传统上，年龄被视为一个数字，但FaceAge表明，生物老化——即一个人看起来有多老——对于理解其健康风险可能更为重要。
该研究的共同资深作者Ray Mak博士强调，这项技术可能会开辟新的方法来早期检测慢性疾病，而不仅仅是癌症。他设想使用FaceAge来跟踪随时间的衰老过程，从而在健康问题变得严重之前捕捉到迹象。
尽管结果很有希望，但研究人员警告说，在FaceAge广泛应用于医院之前还需要更多的研究。他们计划扩展研究范围，测试FaceAge在不同癌症阶段的患者中的表现，并评估其在曾接受过整容手术或使用化妆品改变面部特征的人群中的表现。
研究团队还在探索FaceAge在癌症护理之外的潜在应用，希望不仅能预测年龄，还能预测其他慢性疾病的患病风险。他们的目标是利用这种面部分析技术更好地了解一个人的健康轨迹，帮助医生做出更明智的治疗决策。
这项创新研究标志着向个性化医疗的转变，未来一张简单的照片可能成为强大的诊断工具，帮助医生更准确地预测健康结果并减少患者护理中的偏见。
如果FaceAge继续证明有效，它可能会成为医疗评估的标准部分，为医生提供一个新的视角来看待患者的健康和长寿。
(全文结束)
