马萨诸塞州总医院布里格姆（Mass General Brigham）的研究团队在《柳叶刀·数字健康》上发表了一项研究，核心是一个名为FAHR-Face（Foundation Artificial Intelligence for Health Recognition）的基础模型。
该模型在超过4000万张面部图像上完成预训练，随后被调整为两个功能不同的工具：FAHR-FaceAge负责估算生物学年龄，FAHR-FaceSurvival则直接根据面部照片预测癌症患者的生存风险。
两个工具虽然源自同一个模型，但捕捉的信息并不相同。研究团队通过注意力映射分析发现，FAHR-FaceAge主要依赖法令纹、额头和太阳穴区域进行判断，而FAHR-FaceSurvival更关注鼻梁和眼睛下方的区域。当两种评分被同时纳入临床预后模型时，预测表现优于单独使用任何一个。
数据里的信号：年龄差与生存
研究的核心发现可以用一个直观的表述来概括：癌症患者的脸，看起来比实际年龄更老。FaceAge工具估算出的生物学年龄，在癌症患者中平均比实际年龄高出约5岁。更关键的是，这个“差”本身与生存相关。在美国接受放射治疗的患者中，AI判断看起来比实际年龄老至少5岁的人，在平均4年的随访期内死亡风险高出21%；看起来年轻至少5岁的人，死亡风险低17%。
FAHR-FaceSurvival的独立预测能力在一组数据中体现得更为具体。在3820名癌症患者的测试组中，风险评分最高的122人里有64人在拍照后90天内死亡，超过该组的一半。在另一个超过38000名癌症患者的测试组中，看起来比实际年龄老的人同样表现出更高的死亡风险。研究同时指出，生活方式因素与面部年龄相关：大量饮酒、吸毒和吸烟在模型分析中均对应更高的估算面部年龄。
它在临床流程中可能补上的位置
这项研究的出发点，是医生在诊室里已经在做但难以标准化的一件事。放射肿瘤科医生Raymond Mak描述，医学院训练医生走进房间、观察患者、形成一个关于“健康、衰弱还是生病”的印象，这个印象会影响治疗选择，但本质上是一个主观判断。FaceAge提供的是一个可量化的替代信号：上传照片，定位面部，返回一个生物学年龄数值，不需要其他指标。
研究团队将潜在用途定位在“身体储备和衰弱程度的更一致评估”上，尤其是在医生考虑放疗、手术或全身性治疗等高强度方案时，作为一个辅助信息。他们明确表示，工具的目标是支持而非取代临床判断，当前证据支持的是研究和验证层面的意义，而非常规临床部署。公众材料描述的是模型开发和验证过程，并未确立一个获批的诊断产品或肿瘤评估的替代品。
一个研究信号，而不是一张诊断书
这项研究的分量在于样本规模和方法设计：4000万张预训练图像、数万人级别的癌症患者队列、外部验证，以及注意力映射提供的可解释性线索。但它同时也是一份prognostic association（预后关联）的证据，而非clinical decision rule（临床决策规则）。
模型在不同人群、不同医疗机构、不同成像条件下的表现，以及它与现有临床量表之间的增量价值，仍需前瞻性验证和公平性审查。
（素材来自：Mass General Brigham 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。