5月發(fā)布在國際醫(yī)學期刊《柳葉刀-數字醫(yī)療》的文章顯示，研究人員正在使用深度學習系統(tǒng)“FaceAge”來估算人體的生物年齡。

結果發(fā)現，癌癥患者的面部特征平均外表年齡比實際年齡大了4.79歲。另外，FaceAge還可以改善醫(yī)生對癌癥患者的姑息治療預測，反映了該算法在臨床上支持臨終決策的應用價值。

該文章寫道：我們的結果表明，深度學習模型可以通過面部照片估算生物年齡，從而增強癌癥患者的生存期預測。需要進一步研究，包括更大規(guī)模的隊列驗證，以在癌癥患者中驗證這些發(fā)現，并確定這些發(fā)現是否適用于其他疾病患者。經過進一步的測試和驗證，類似FaceAge的方法可以用來將患者的外貌轉化為客觀、定量且具有臨床價值的指標。

文章作者之一、麻省總醫(yī)院布萊根醫(yī)療系統(tǒng)人工智能醫(yī)學項目負責人Hugo Aerts表示，該研究表明，從面部照片中提取的信息在臨床上可能具有重要意義。

“這項結果表明，一張簡單的自拍照就可能包含重要信息，有助于為患者和臨床醫(yī)生提供治療決策和護理計劃，”他補充道，如果一個人的FaceAge比實際年齡小的話，他在接受癌癥治療后情況會好得多。

科學家利用公開數據庫中的58,851張照片訓練了FaceAge算法，然后再用6,196名癌癥患者的照片進行測試，這些癌癥患者照片是在放射治療開始前拍攝的。

在這些癌癥患者中，FaceAge越老，生存結果越差，即使在調整了實際年齡、性別和癌癥類型后，這一趨勢仍然顯著。尤其是FaceAge超過85歲的人群，效果更為明顯。

隨后，研究人員讓10位臨床醫(yī)生和研究人員預測接受姑息性放療的晚期癌癥患者在6個月后是否仍然生存。當他們僅憑照片判斷時，準確率為61%；但當結合FaceAge分析后，準確率提升至80%。

目前，科學家正將這項技術應用于更廣泛的患者群體，并評估其預測疾病、整體健康狀況和壽命的能力。不過，研究團隊指出，FaceAge也可能存在一些局限性，比如數據偏差、模型誤差等。

媒體分析指出，這類新型的技術工具是日益興起的一種趨勢，即通過評估人體器官的老化狀況作為潛在疾病風險的“生物標志物”。隨著人工智能（AI）開始能夠處理大規(guī)模健康數據，這一方向獲得了顯著推動。

今年2月，研究人員發(fā)現，一項可測出內臟器官衰老速度的簡單血液檢測，可幫助警示罹患肺癌等30種疾病的更高風險。該研究還發(fā)現，最容易患癡呆癥的人是那些免疫系統(tǒng)老化速度比平常更快的人。

與血液檢測一樣，面部老化也是一個快速發(fā)展的研究方向，科學家正探索多種方法。其中一種是“感知年齡”的概念——也就是一個人在專業(yè)醫(yī)護人員眼中看起來有多老，而不是其生物年齡。

研究人員表示，感知年齡已被視為死亡率和多種年齡相關疾病的潛在預測因子，但其缺點是依賴人工判斷，費時費錢。

英國紐卡斯爾大學的人工智能專家Jaume Bacardit也研究過感知年齡的AI技術，他認為這次對FaceAge的評估“相當全面”。

但他指出，FaceAge還需要更多有關技術細節(jié)的解釋，以確認是否存在潛在的干擾因素。（趙昊）