AI面部照片健康评估：一张照片能否判断疾... Features
美国研究人员近日开发出一款人工智能工具，声称仅凭一张面部照片就能评估患者的疾病严重程度，甚至预测癌症患者还能活多久。据BBC News 2026年10月20日报道，这项发表在《柳叶刀数字健康》期刊上的初步研究显示，AI模型通过分析眼部周围和鼻梁等区域的特征，可以在不进行任何侵入性检查的情况下给出预后判断。不过专家强调，该工具距离临床应用仍有很长距离，目前仅停留在概念验证阶段。
政策速递AI工具如何“看脸”判断病情？
由麻省总医院布里格姆分院（Mass General Brigham）主导的团队训练了两款AI模型。第一款名为“FaceSurvival”，专门用于评估癌症患者的生存期。研究人员向模型输入了约35000张癌症患者的面部照片——这些患者来自美国和荷兰，年龄从幼童到90多岁的老人不等——以及对应的临床数据。经过深度学习，模型能够识别出与死亡率高度相关的面部特征。据主源BBC报道，“FaceSurvival”工具指出，眼下区域和鼻梁是评估患者可能剩余寿命时最重要的部位。这一规律在多种癌症类型（包括已扩散到骨骼或大脑的晚期癌症）中均得到验证。另一旁证来自《柳叶刀数字健康》的论文摘要，确认该模型对不同严重程度的癌症具有一致性。
两会热点眼部区域：预测生存期的关键
研究团队发现，AI在判断患者预后时尤其关注眼周细节。眼下皮肤是否暗沉、浮肿，以及鼻梁周围是否存在异常纹理，都成为模型计算的重要因素。这些指标并非凭空产生——它们反映了人体整体的代谢状态、炎症水平以及营养状况。研究人员指出，医生在临床查房时也会观察患者的面色、眼睑浮肿等表象，但人眼难以做到定量分析。而AI通过数百万健康人脸和数万张病患照片的对比，能够量化这些细微变化。原文中数字清晰：训练集包含“数百万张健康面孔”以及35000张癌症患者照片。此外，大多数患者年龄在50到60岁之间，但也有儿童和90岁以上的老年人，保证了样本的多样性。
评估生物学年龄：“面相”透露衰老速度
第二款工具“FaceAge”则专注于评估生物学年龄——即一个人看起来有多老，而非实际生日数字。据研究负责人雷蒙德·马克（Raymond Mak）博士介绍，“FaceAge”将鼻翼两侧的鼻唇沟、嘴角的木偶纹、额头的皱眉纹、太阳穴的鱼尾纹以及脸颊的松弛度作为关键指标。这些区域的皮肤状态与生活方式密切相关，例如酗酒、吸烟、滥用药物都加速衰老。马克博士在采访中表示：“该工具在不同真实照片中表现出了惊人的一致性，无论姿势、光线、表情或化妆如何变化。它甚至在大多数整容手术后仍然稳定，只有在接受鼻整形术后才出现微小偏移。”这暗示AI抓住了与健康相关的内在面部结构，而非表面装饰。
训练数据与局限性：仍需更多验证
尽管结果令人鼓舞，但研究团队坦承当前模型存在明显局限。最重要的问题在于数据多样性不足：目前训练集主要来自美国和荷兰的白人群体，缺乏非洲、亚洲等不同人种的面部样本。马克博士承认：“我们需要来自众多不同种族的更多照片，才能确定这些工具的实际效果。”另外，AI在个别情况下可能被误导——例如患有黄疸的患者面色发黄，但模型能否区分病理性黄染与灯光色温差异仍存疑。下表总结了两款核心工具的对比：
| 工具名称 | 评估目标 | 关键面部区域 | 训练数据量 |
|---|
| --- | --- | --- | --- |
|---|
| FaceSurvival | 癌症患者生存期预测 | 眼下、鼻梁 | 35000张癌症患者照片 + 数百万健康人脸 |
|---|
| FaceAge | 生物学年龄评估 | 鼻唇沟、木偶纹、额头、太阳穴、脸颊 | 数百万健康人脸 |
|---|
两款工具均基于深度卷积神经网络，目前已有专利申请待批，但离进入医院还有相当距离。
医生角色：辅助而非替代
马克博士强调，AI的作用是辅助医生，而非取代临床判断。“随着人口老龄化，医生需要更好的方法来评估患者的身体储备和衰弱程度，然后再推荐放疗、手术或全身治疗等高强度疗法。”他进一步解释道：“我们的目标是让基于面部照片的健康评估更加量化、一致和可扩展，从而支持个性化的治疗决策，而不是取代医生的判断。”这意味着AI可以成为医生手中的又一件“听诊器”，帮助快速识别高危患者，但最终治疗方案仍需结合血液检查、影像学报告和医生经验综合制定。
未来展望：收集更多数据
研究团队已经向公众开放了数据收集网站，邀请大众上传自己的面部照片，并免费获得个性化的生物学年龄估算。这一做法旨在快速扩大训练数据集，提高AI的泛化能力。然而，英国萨里大学（University of Surrey）的视频处理与机器学习专家米罗斯瓦夫·博伯（Mirosław Bober）教授发出警示：“任何声称该工具可以追踪衰老或生活方式随时间变化的说法都为时过早。这是一个有前景的概念验证，但尚未准备好用于临床。它还需要与医生的判断在不同医院和不同患者群体中进行比对测试。”此外，博伯教授补充道：“预测结果并不等同于解释结果。”——AI虽然能发现相关性，但无法揭示因果关系，医生仍需探究深层的病理生理机制。
FAQ
Q1: AI通过面部照片评估健康是否真有科学依据？
A1: 研究显示，面部确实可以反映部分健康信息，例如眼睑、皮肤、颧骨等区域与代谢、免疫状态相关。但目前的AI模型仍处于概念验证阶段，尚未经大规模独立验证，不能直接用于诊断。
Q2: 普通人现在可以上传照片自测吗？
A2: 研究团队已开设研究网站邀请公众参与，上传照片后可获得生物学年龄估算。但这仅用于科研数据收集，结果不具临床指导意义。
从一张照片到临床决策，AI还需要跨越数据、伦理和监管的鸿沟。但这一方向无疑为无创、快捷的健康评估打开了新思路。未来，随着训练数据覆盖更多人群，面部照片健康评估或许能成为医生桌上一项廉价而有效的筛查工具，让个性化医疗离现实更近一步。
