科学家们利用人工智能对面部进行分析，以预测癌症患者的生存结果，在某些情况下甚至超过了临床医生对短期预期寿命的预测。
研究人员使用深度学习算法测量了受试者的生物年龄，并发现癌症患者的面部特征平均比他们的实际年龄老约五年。
这种新技术工具被称为FaceAge，它是利用身体器官老化估计作为潜在疾病风险生物标志物的一部分。由于AI能够从大型健康数据集中学习并基于这些数据进行风险预测，因此这些努力得到了推动。
该研究显示，从面部照片中提取的信息具有“临床意义”，论文的共同高级作者、马萨诸塞州马萨综合医院AI医学主任Hugo Aerts表示。
Aerts说：“这项工作表明，像简单的自拍照这样的照片包含重要的信息，可以帮助患者和临床医生进行临床决策和护理计划。”他还补充说：“一个人看起来比实际年龄年轻多少真的很重要——那些FaceAge比实际年龄年轻的人在接受癌症治疗后的效果显著更好。”
科学家们用来自公共数据集的58,851张假定健康人的照片训练了FaceAge，然后在6,196名癌症患者的照片上测试了该算法，这些照片是在放疗开始时拍摄的。
在癌症患者中，FaceAge越老，生存结果越差，即使调整了实际年龄、性别和癌症类型也是如此。特别是对于看起来超过85岁的人，这种影响尤为明显。
科学家们随后让10名临床医生和研究人员预测接受姑息性放疗的晚期癌症患者六个月后的存活情况。当他们只有患者照片时，正确率为61%，但当他们有FaceAge分析时，正确率提高到了80%。
FaceAge可能存在的局限性包括数据中的偏见以及读数反映模型错误而非实际年龄差异的可能性，研究团队表示。
科学家们现在正在更广泛的患者群体上测试该技术，并评估其预测疾病、一般健康状况和寿命的能力。
生物标志物的老化研究是一个非常活跃的研究领域。今年2月，科学家们公布了一种简单的血液测试，可以检测内部器官衰老的速度，并帮助标记30种疾病的增加风险，包括肺癌。
纽卡斯尔大学AI专家Jaume Bacardit曾从事感知老化技术的应用工作，他表示，对FaceAge的评估“相当全面”。但他认为需要更多解释AI技术的工作原理，以检查潜在的扭曲因素。“也就是说，他们基于面部的哪些部分进行预测？”Bacardit说。“这将有助于识别可能未被发现的潜在混淆因素。”
(全文结束)
