医生开发了一种人工智能工具，可以通过癌症患者的一张脸部照片来预测其生存机会。
该人工智能系统是由麻省布里格姆总医院（马萨诸塞州非营利性综合学术医疗系统）的专家定制的，用于估计癌症患者的生物年龄并直接预测生存结果。
这是迄今为止最全面的演示之一，展示了人工智能对自拍照的分析如何帮助评估患者的健康状况并有可能指导他们的医疗护理，并且接受了来自不同种族和年龄的超过 4000 万张面部照片的数据的训练。
这一突破的详细信息发表在《柳叶刀数字健康》杂志上。
该系统可以估计一个人的生物年龄（一个人看起来的年龄，而不是他们的实际年龄），并根据检查该模型的一项研究结果，通过一张普通的癌症患者面部照片来预测癌症患者的生存机会。
医生利用该技术开发了两种互补工具。 FAHR-FaceAge 估计患者的生物学年龄，并预测癌症存活率。 FAHR-FaceSurvival 直接根据面部照片预测生存率，而不是通过生物年龄推断生存率。
尽管 FAHR-FaceAge 和 FAHR-FaceSurvival 源自同一模型，但它们捕获了有关患者健康状况的不同且互补的信息。
每种算法还依赖于面部的不同部位来分别预测年龄和死亡风险。 FAHR-FaceAge 重点关注从鼻子两侧一直延伸到嘴角的皱纹、眼窝上方的前额区域以及太阳穴。与此同时，FAHR-FaceSurvival 评估眼睛下方和鼻梁周围的区域。
该研究的共同资深作者 Hugo Aerts 表示：“FAHR-FaceSurvival 通过直接从癌症患者的面部照片中学习生存风险，进一步推动了面部健康识别人工智能领域的发展。” “据我们所知，这是人工智能模型首次可以通过简单的照片直接预测癌症生存率。”
根据 FAHR-FaceAge 的数据，在美国接受放射治疗的癌症患者中，在平均四年的随访期间，看起来比实际年龄大 5 岁或以上的人的死亡风险比其他人高 21%。看起来年轻五岁或以上的患者的风险降低了 17%。
“关键的技术进步是 FAHR-Face 从超过 4000 万张图像中学习面部的一般表征，然后可以适应不同的健康结果，例如生物年龄和生存率，”Aerts 说。 “这种基础模型方法为我们提供了一种可扩展的方法来开发多种面部健康生物标志物，而不是从头开始训练每个模型。”
研究结果表明，人们的生物年龄估计与其身体健康状况密切相关，这可以反映他们在某些治疗中生存的能力。
这一突破可能为人工智能面部分析铺平道路，帮助医生就患者治疗的最佳方式做出艰难的决定。
该工具可以帮助更好地预测大手术或其他癌症治疗后的死亡或并发症风险。
麻省总医院的放射肿瘤学家 Raymond Mak 博士表示：“随着人口老龄化，医生需要更好的方法来评估身体储备和虚弱程度，然后再推荐放射、手术或全身治疗等强化治疗。
“我们的目标是使基于面部照片的健康评估更加定量、一致和可扩展，以便它可以支持个性化治疗决策，而不是取代医生的判断。”
研究人员发现生活方式因素与面部衰老有关。例如，在人工智能对面部照片的分析中，酗酒、吸毒和吸烟与生理年龄有关。
“另一个令人惊讶的发现是 FAHR-FaceAge 在常见的现实世界照片变化中的一致性，包括姿势、灯光、面部表情和化妆，”Mak 说。 “在大多数经过测试的整形手术程序中，它也很稳定，仅在鼻整形术后观察到了很小的变化。”
医生警告说，虽然单张面部照片可以提供一种简单、低成本的方式来支持个性化治疗决策，但在该工具得到广泛使用之前，还需要进行更多的研究。
