你有沒有發現，有些人看起來就是比其他人更老。

臉，不僅僅是我們的門面，還是一個人的「健康快照」，更是一張映射身體狀態的「體檢報告」。

最近的一項研究發現這其中還藏著更深的秘密，這項研究登上《柳葉刀數字健康》：Mass General Brigham團隊用AI訓練出一個模型FaceAge，從人臉照片里預測癌癥患者的真實「生物年齡」以提供建議輔助治療。

結果驚呆了他們：

• 「看起來」比實際年齡年輕的人，治療效果更好。
• 而那些被AI認為「老了」的人，更可能病情惡化甚至死亡。

論文地址：

https://www.thelancet.com/action/showPdf?pii=S2589-7500%2825%2900042-1

身份證上那串數字只是參考，真正的年齡寫在「臉部膠原蛋白的出勤率」里。FaceAge通過看你的臉部照片來預測你真正的「生物年齡」。

FaceAge是在一個包含超過56,000張60歲及以上人群的圖像數據庫上訓練的。這些圖像主要來自維基百科和電影數據庫IMDB。

然后，研究人員要求它僅通過照片來評估研究其他參與者的年齡，其中大多數參與者患有癌癥。

結果讓人震驚，AI已經能「看臉斷生死」了！

這不是玄學 AI能看出你臉頰凹陷、法令紋……

人的生物學年齡估計與他們的身體健康狀況密切相關，這可能反映了他們在某些治療方案下的生存能力。

未來，面部年齡分析可能比單純年齡更有助于醫生在患者的治療方面做出艱難的決定。

傳統的衰老測試要驗血、測唾液、搞分子生物學，而FaceAge只需要一張照片！

經過訓練后的FaceAge關注的并不是你有沒有皺紋、白頭發或者臉色如何，而是：

• 太陽穴是否凹陷（代表肌肉流失）
• 嘴邊皮膚褶皺是否明顯（反映組織彈性）
• 面部線條是否下垂（象征整體健康）

馬薩諸塞州總醫院的放射腫瘤學家Raymond H. Mak博士參與了這項研究，他表示，醫生有一天可能會使用FaceAge來根據患者的估計生物年齡決定是否提供不同的治療。

不過目前FaceAge存在一個很大局限，因為它的訓練數據主要是白人面孔，而且也不清楚整容、化妝、光線和面部角度等因素在多大程度上會影響結果。

69歲阿姨「抗癌不倒」，全靠臉看著比年輕10歲

一位名叫Toni Feather的69歲發型師，正在接受肺癌治療。

醫生通過FaceAge一測，發現她的臉部狀態居然「年輕10歲」，也就是69歲的人，看起來只有59歲！

這代表的不只是「凍齡」，AI認為她身體的「生物彈性」很強，因此能挺過手術+化療+放療的連環暴擊，現在還能每周照常給顧客做頭發，照常帶孫子不誤。

從面部照片估算生物年齡

由于不同人衰老的速度不一樣，人的外貌相比實際年齡，更能可靠地反映其生物年齡和身體健康狀況。

但是，在醫學領域中，「以貌取人」通常是主觀且缺乏量化標準的，無法應用于醫學診斷。

該研究旨在開發并驗證一套名為FaceAge的深度學習系統，利用簡單、低成本的人臉照片來估算生物年齡。

研究方法

FaceAge 的訓練數據來自58,851名年齡在60歲及以上、被認為是健康的個體：其中56,304人來自IMDb–Wiki數據集（用于訓練），2,547人來自UTKFace數據集（用于初步驗證）。

FaceAge算法以一張人臉照片作為輸入。

首先，卷積神經網絡會在照片中定位人臉；接著，另一套卷積神經網絡提取人臉特征，并基于這些特征預測該人的FaceAge（面部年齡）。

FaceAge算法是在一個包含56,304名被認為健康的個體的訓練數據集上開發的，這些人主要包括政界人士、演員及其他知名人物。

假設這些人的健康狀況處于平均水平，也就是說，他們的生理年齡與實際年齡基本一致。

為了提高與臨床腫瘤人群年齡范圍相符的數據質量，對該數據集中年齡在60歲及以上的個體進行了人工篩選。

隨后，研究使用了三個獨立的癌癥患者隊列，這些隊列涵蓋了廣泛的患者類型，用于評估該算法在臨床中的相關性。所有患者在接受放療前都按照常規流程拍攝了面部照片。

在來自荷蘭和美國兩個機構、共計6,196名癌癥患者的數據上評估了FaceAge的臨床應用價值，這些數據來自MAASTRO、Harvard Thoracic和Harvard Palliative三個隊列。

為了評估FaceAge在預測方面的效果，采用Kaplan–Meier生存分析和Cox模型，并對多個臨床變量進行了調整。

還在接受姑息治療的晚期癌癥患者中測試了將FaceAge納入臨床預測模型后的表現。

此外，為了探究FaceAge是否具有作為分子衰老生物標志物的潛力，還進行了基因分析，評估其與衰老相關基因之間的關聯性。

研究結果

FaceAge在多種類型和不同階段的癌癥中都表現出了顯著且獨立的預測能力。

上圖是FaceAge在多個癌癥隊列中的預后表現。

圖中(A) 表示僅使用人臉照片作為輸入的FaceAge預測結果的Kaplan–Meier生存分析。

可以看到FaceAge越大，長期生存概率越低。

圖中(B) 按FaceAge風險分組繪制的森林圖。

展示了不同FaceAge分組與死亡風險（HR，危險比）之間的關系，通過單變量分析（Univariate）和多變量分析（Multivariate）分別進行了評估。

所有分組與參考組相比，差異均具有高度統計學顯著性。

在校正了其他變量（如年齡、性別等）后重新評估 FaceAge 的影響，表明在控制其他因素后，高FaceAge仍然是死亡風險增加的獨立預測因子，尤其是FaceAge超過75歲的群體。

圖中(C) 將FaceAge作為連續變量分析的森林圖，涵蓋所有患者以及四個最多見的腫瘤部位。

簡單來說，不管癌癥種類或分期怎樣復雜，只要用FaceAge看一眼病人的臉，就能提前判斷Ta的生存風險，比只看常規指標更靠譜。

外貌看起來更老與較差的總體生存率相關，在調整其他變量后，每增加十歲外貌年齡，全癌癥隊列中的風險比為1.151，p=0.013；胸部癌癥隊列為1.148，p=0.011；姑息治療隊列為1.117，p=0.021。

如何理解這些數據？風險比指的是同樣的隨訪時間里，實驗組與對照組的相對事件發生速率。HR?=?1 表示風險相同；HR?>?1 表示實驗組風險更高；HR?<?1 表示更低。

以全癌癥實驗組為例，同齡人里如果你臉上「顯老」10?歲，死亡風險大約多出11–15?%，這個事件只有1.3?%的概率是巧合，所以幾乎可確定「顯老」是真的有影響。

總體而言，癌癥患者的外貌平均比其實際年齡老了4.79歲（與非癌對照組相比，p<0.0001）。

此外，為了評估癌癥類型和生活方式因素對FaceAge預測結果的影響，還比較了FaceAge與實際年齡在不同癌癥類型、吸煙史、BMI以及ECOG身體功能評分下的差異（見上圖）。

研究發現，癌癥患者的FaceAge顯著高于其實際年齡。這一趨勢在各類癌癥中表現一致，并與推測為健康人群的結果形成鮮明對比。

首先，在UTK驗證數據集中（推測為健康個體），FaceAge與實際年齡之間的差距明顯較小，相比癌癥隊列差異顯著，說明一般人群的面貌更接近其實際年齡，這與預期一致。

還分析了接受良性疾病治療的患者以及原位導管癌患者的面部數據。

結果顯示，非癌癥患者的FaceAge與實際年齡之間的差距明顯小于癌癥患者群體，其中良性疾病患者的FaceAge與實際年齡最為接近，原位導管癌患者的FaceAge居中。

為評估生活方式因素的影響，在MAASTRO隊列中比較了當前吸煙者、既往吸煙者和從不吸煙者的FaceAge與實際年齡之間的差異。

結果顯示，當前吸煙者看起來明顯更老（平均增加33.24個月，果然吸煙有害身體狗頭），這種趨勢在不同癌癥類型中一致。

在分析BMI對FaceAge與實際年齡差值的影響時，雖然統計上存在顯著關聯，但效應量很小，說明FaceAge與BMI之間的關系較弱（看來胖點不會影響）。

研究結論

研究結果表明，FaceAge深度學習模型可以通過人臉照片估算生物年齡，并在癌癥患者的生存預測中發揮重要作用。

未來還需要在更大規模的癌癥患者隊列中進行驗證研究，以確認這些發現是否適用于其他疾病人群。

如果進一步驗證成功，FaceAge這類技術有望將患者的外貌轉化為客觀、量化且具有臨床意義的評估指標。

研究者表示，這種AI工具未來可能成為醫生的好助手，比如當醫生看到一名新的患者時：

你可能才60歲，但AI說你臉上寫著75，那治療方案可能要保守點。

當然，AI并不會取代醫生判斷，但有了它，醫生診斷患者時就多了一雙「看透真實年齡的X光」眼。

但別高興太早 AI「看臉」也有風險！

目前FaceAge并不是「萬能的」，還有不少限制：

• 訓練數據以白人面孔為主，對深色膚色人群準確性存疑
• 整形手術、化妝、燈光、拍照角度……都有可能影響結果
• 不清楚它是否能識別「逆齡」狀態（比如你最近減肥、戒煙了）

而更令人擔心的是，有醫學倫理專家警告，FaceAge如果真的有效，可能會被用作「非法」用途：

這個工具會不會被保險公司拿去「挑客人」？臉上寫著「老」，那好，保費翻倍！

并且有專家潑冷水，FaceAge離實際臨床使用還有段距離，來自哥倫比亞大學的流行病學家Belsky表示：

FaceAge雖然酷炫，但和現有的生物年齡檢測工具比，準不準、便不便宜、能不能大規模用，都還是個問號。

畢竟從論文到醫生門診，還有很長一段路。

但是FaceAge的意義在于告訴我們臉上的每一條線，都可能是健康的伏筆。

FaceAge的出現，為「以貌取人」帶來了數據支撐，也為精細化醫療鋪開了新的想象空間。

AI不再只是幫你修圖、換臉、合成照，現在它還能告訴你——你是不是「超齡使用」了身體，并且在你遇到重大健康問題時，提供有效的醫療建議。

這也許才是AI技術進步的意義。