一项发表在《柳叶刀-数字医疗》的研究表明，通过分析面部照片，AI系统能够预测癌症患者的生物年龄。研究发现，被AI评估为“看起来更年轻”的患者，治疗后的恢复情况普遍更好。这项名为FaceAge的机器学习工具，通过分析面部特征，可以帮助医生更科学地制定治疗方案。尽管该技术在临床应用方面仍面临一些挑战，但其潜力不容忽视。

🧐 FaceAge是研究团队开发的机器学习工具，通过分析面部照片来评估癌症患者的生物年龄。该系统在包含逾5.6万张60岁以上人脸照片的数据库中训练而成，这些照片主要来自维基百科和电影数据库IMDB。

🧑‍⚕️ 研究发现，癌症患者的“外貌年龄”平均比实际年龄大五岁，而没有癌症的人，生物年龄往往与真实年龄相近。被系统归类为“较老”的患者，死亡风险也更高，无论是死于癌症还是其他原因。

💡 医生有望依据生物年龄评估来决定是否调整治疗方案。FaceAge识别的面部特征远超过常见的皱纹、白发或脱发，它还会关注太阳穴凹陷以及嘴角两侧皮肤折痕的显著程度等更隐蔽的变化。

⚠️ 该工具仍有不少局限，FaceAge的训练数据以白人面孔为主，针对不同肤色人群的表现可能存在差异。此外，整形、化妆、拍照角度或光线等因素是否会影响结果，目前也尚无定论。

IT之家 5 月 15 日消息，据《纽约时报》5 月 8 日报道，《柳叶刀-数字医疗》期刊上发表的一项最新研究显示，研究人员通过分析癌症患者的面部照片，训练 AI 系统来预测他们的生物年龄。

马萨诸塞州总医院布莱根医院的团队发现，被 AI 评估为“看起来更年轻”的患者，治疗后的恢复情况普遍优于“看起来更老”的人。

研究人员表示，生物年龄与个体健康状况密切相关，有望反映一个人对治疗的耐受力。未来，相较于仅参考实际年龄，医生借助面部年龄分析技术可作出更科学的治疗决策。

研究团队开发的机器学习工具 FaceAge 显示，癌症患者的“外貌年龄”平均比实际年龄大五岁；而没有癌症的人，生物年龄往往与真实年龄相近。被系统归类为“较老”的患者，死亡风险也更高，无论是死于癌症还是其他原因。

IT之家从报道中获悉，FaceAge 系统是在一个包含逾 5.6 万张 60 岁以上人脸照片的数据库中训练而成，数据主要来自维基百科和电影数据库 IMDB。参与研究的放射肿瘤科医生 Raymond H. Mak 表示，未来医生有望依据生物年龄评估来决定是否调整治疗方案。

69 岁的 Toni Feather 是 Mak 医生的一名患者，她被告知看起来比实际年龄年轻约十岁，这种“外貌优势”可能意味着身体更具恢复力，使她得以承受高强度的癌症治疗。

Mak 医生指出，FaceAge 识别出的面部特征远超过常见的皱纹、白发或脱发，它还会关注太阳穴凹陷（反映肌肉流失）以及嘴角两侧皮肤折痕的显著程度等更隐蔽的变化。

研究团队希望最终将这项技术商业化，打造成适用于临床的工具，并计划在技术进一步成熟后申请专利。

不过，这项工具仍有不少局限。Mak 表示，FaceAge 的训练数据以白人面孔为主，针对不同肤色人群的表现可能存在差异。此外，整形、化妆、拍照角度或光线等因素是否会影响结果，目前也尚无定论。