AI工具追踪面部衰老以预测癌症患者生存率

面部老化速率的工作原理

这项研究于4月28日发表在《自然通讯》上，对2,279名癌症患者在治疗不同阶段拍摄的各两张照片进行了分析。研究团队使用自主研发的FaceAge深度学习工具——该工具通过分析皱纹、皮肤状况和面部轮廓来估算生物年龄——并通过比较不同时间点的照片，计算出一项名为”面部老化速率”（FAR）的指标。

中位数结果显示，患者的面部老化速度比其实际年龄增长速度快40%。FAR值越高的患者，生存概率越低；当两张照片的拍摄间隔达到两年或以上时，这一关联性更为显著。单次评估年龄差距较大且FAR值较高的患者，预后不良的可能性最高；但从长期预测的稳定性来看，FAR单独作为预测指标比一次性读数更为可靠。

在早期研究基础上的深化

新发现延伸自FaceAge最初验证研究的一系列成果——该验证研究于去年发表在《柳叶刀数字健康》上。早期研究利用近59,000张健康人照片对算法进行训练，并在6,196名癌症患者身上进行测试，发现癌症患者的面部年龄平均比实际年龄老约五岁。随后，《美国国家癌症研究所杂志》上发表的一项研究对24,500余名60岁以上患者进行了分析，结果显示：FaceAge比实际年龄大10岁及以上的患者生存率更差，而两者相差在五岁以内的患者预后则更好。

临床潜力与局限性

Mass General Brigham人工智能医学项目主任Hugo Aerts表示：”通过简单的照片持续追踪FaceAge，能够提供一种无创、低成本的生物标志物，有望帮助个人了解自身健康状况。”共同通讯作者Raymond Mak表示，该方法”或许能够优化个性化治疗方案的制定，改善患者咨询质量，并有助于指导肿瘤科随访的频率与强度”。

研究人员提醒，在FaceAge和FAR被广泛应用于临床之前，还需要在更多元化的种族、年龄和疾病群体中进行额外的验证。