文章核心观点 - 哈佛附属马萨诸塞州总医院百瀚癌症研究所训练出全球首创AI模型FAHR-Face，仅需一张普通脸部照片即可估算生物学年龄并预测癌症患者存活几率 [4] - 该模型基于4000万张人脸数据构建基础模型，并微调出FAHR-FaceAge（估算生物学年龄）与FAHR-FaceSurvival（预测生存风险）两个互补工具 [5][6][7] - 研究证实AI通过面部特征捕捉的健康信号与古希腊希波克拉底描述的临终体征高度吻合，且化妆、整容、光线变化均无法干扰其评估 [17][18] - 该工具定位为医生制定个性化治疗方案的客观参考指标，而非取代医生判断或给病人判死刑 [20][21] 模型构建与训练数据 - 研究团队使用WebFace42M公共数据集，在无特定提示下向AI输入超过4000万张跨越0-116岁全生命周期的无标签人脸照片 [5] - FAHR-FaceAge专门用于精准估算生物学年龄，即身体真实衰老程度而非身份证年龄 [6] - FAHR-FaceSurvival使用34363张癌症患者照片进行专项训练，直接通过面部照片预测癌症患者生存风险 [7] - 马萨诸塞州总医院已为下一代面部健康算法申请专利，并开放在线研究项目供公众上传照片获取脸部年龄报告 [21] 生存预测性能数据 - 在对3820名癌症患者的测试子集中，生存风险评分最高区间（0.9-1.0）的122名极高危患者中有64人（52.5%）在拍照后90天内离世 [8] - 得分最低区间（0.0-0.1）的975名患者90天内死亡率仅为2.1% [8] - 最高风险四分位组死亡率是最低风险组的3倍以上（调整后危险比HR 3.23）[8] - 5年生存率方面，最低风险（前25%）患者高达78.1%，最高风险（后25%）患者暴跌至17.7% [10] 生物学年龄估算精度 - FAHR-FaceAge估算年龄的平均绝对误差（MAE）仅为5.1岁 [10] - 估算脸部年龄与实际身份证年龄相关性很弱（R=0.16），表明AI测量的是真实健康耗损度而非岁月流逝 [11] - 年龄差（FAD，AI估算年龄减实际年龄）与死亡风险显著相关：FAD≥5者死亡风险增加21%，FAD≤-5者死亡风险降低17% [11] - 极度显老（FAD>20）患者90天内早期死亡率高达21.3% [11] - 10年生存率方面，极度显老患者仅33.3%，而比实际年龄小10岁以上的患者高达65.1% [11] 人群差异特征 - 在脸老与死亡率关联上，女性患者的危险比（HR）高于男性 [13] - 相较于黑人和拉美裔，白人和亚裔患者一旦显老，其生存风险分层更加剧烈 [13] AI注意力机制与医学发现 - 两个AI工具特征空间重叠度极低（相关系数仅0.22），在脸上寻找完全不同的健康信号维度 [15] - FAHR-FaceAge主要关注法令纹（鼻唇沟）、眼眶上方额头及太阳穴区域，40岁后注意力更多转向太阳穴和额头 [15] - FAHR-FaceSurvival聚焦眼睛正下方区域（眼窝）及鼻梁 [15] - 该聚焦区域与公元前希波克拉底描述的希波克拉底面容（眼窝深陷、太阳穴凹陷、鼻子变尖为临终前身体衰竭征兆）高度吻合 [17] 鲁棒性测试结果 - 素颜与浓妆、面无表情与夸张表情、不同光线角度、整形手术前后照片测试中，FAHR-FaceAge估算结果均无差异 [18] - 提眉术、双眼皮手术、面部拉皮或面部骨骼微调后，AI仍能看穿真实生物学衰老程度，评估无统计学改变 [18] - 唯一例外为隆鼻手术，术后平均被评估老了1.11岁（p<0.0001），但不影响绝大多数情况下的精准度 [18] 生活方式与面部衰老关联 - 吸烟、酗酒和滥用药物与生物学年龄显著增加挂钩，其中吸烟影响最为致命 [19] - 吸烟呈现严密剂量依赖关系：目前吸烟者比已戒烟者显老，已戒烟者比从不吸烟者显老；中重度吸烟者明显比轻度吸烟者更显老 [19] - 无论癌症是否与吸烟相关，吸烟都会无差别侵蚀面部 [19] 临床应用定位与行业意义 - 共同资深作者、百瀚AI医学项目主任Hugo Aerts表示这是首个证明AI模型可直接通过简单照片预测癌症存活率的报告 [20] - 随着人口老龄化，医生在建议高强度治疗（手术、放化疗）前迫切需要更好方法评估患者生理储备和脆弱程度 [20] - 年龄70岁但生物年龄60岁的老人完全能扛住大手术，而50岁但生物年龄65岁的人贸然手术可能加速死亡 [20] - FAHR-Face作用是将直觉性望诊量化、标准化，为医生制定个性化治疗方案提供客观额外参考指标 [21]