一张脸读出死亡风险:AI在癌症患者身上看到了什么

一张普通的证件照,可能不只是“看起来像不像本人”。一项新研究显示,AI 能从癌症患者的人脸照片中区分死亡风险, 高低风险组在 90 天内的死亡比例相差超过 25 倍。

看点:不查病历、不做影像,仅凭照片生成风险评分 。
重点阅读:模型看到了什么, 验证结果如何, 为何还不能进临床。

📌 研究路径: 先学人脸, 再学生存排序

10 月 20 日,《柳叶刀·数字健康》刊载美国麻省总医院布莱根医疗集团团队的这项研究。模型名为 FAHR-Face, 团队先用 4000 多万张普通人脸照片训练视觉基础模型, 再引入 34363 张癌症患者照片及对应生存记录。

训练并非直接让 AI“猜生死”,而是通过比较不同患者的生存时间, 让模型学会排序: 拍照后更早去世的人, 应获得更高风险分数。模型最终输出 0 到 1 的评分, 分数越高, 代表死亡风险越高。

🔍 关键结果: 两端死亡比例拉开差距

按评分从低到高分四组后,评分越高, 生存率越低。即使纳入年龄、性别、癌症类型和治疗情况, 最高风险组的死亡风险仍是最低组的 3.23 倍。团队随后用荷兰 Maastro 放疗中心 4892 名患者做外部验证, 观察到相似趋势。

💡 AI 看哪里: 不是“面相”, 而是面部变化

注意力热力图显示,年龄模型更关注法令纹、额头和太阳穴; 死亡风险模型更关注眼睛下方和鼻梁周围。论文提出, 这些区域可能与重病患者的面部脂肪、肌肉和皮肤变化有关, 类似医学文献中的“希波克拉底面容”。但研究尚未证明 AI 具体识别了哪些生理变化。

📊 便利与边界: 照片便宜, 但不能替代医生

相比 CT、核磁和病理检查,人脸照片成本低、获取简单, 也不增加患者身体负担。研究负责人 Raymond Mak 希望, 未来这类工具能帮助医生更客观地评估患者能否承受手术、放疗等高强度治疗。

• 样本局限:研究照片仍以白人患者为主, 其他人群效果待验证。
• 拍摄变量:光线、表情变化可能干扰面部年龄估计。
• 临床证据:尚未证明能在医生现有评估之外提供多少实际帮助, 也不能直接指导治疗方案。

🚀 行业观察: 人脸医学信息仍待验证

这并非孤例。2020 年, 中国医学科学院阜外医院、清华大学等机构曾尝试用脸部照片识别冠心病; 今年 2 月, 丹麦团队也探索用急诊患者手机照片预测死亡风险, 但相关研究仍处于预印本阶段。

从癌症到冠心病,研究反复提示: 人脸可能携带与健康状态相关的信息。但现阶段,FAHR-Face 更像一个有潜力的研究信号, 而不是可用于诊断或分诊的成熟产品。它究竟发现了人眼难察的新线索, 还是把医生原本就能观察到的衰弱迹象数字化, 仍需更多研究回答。