美国麻省总医院团队研发AI模型：单张面部照片可预测癌症患者死亡风险

美国麻省总医院布莱根妇女医院（Mass General Brigham）的研究人员近日在《柳叶刀数字健康》（The Lancet Digital Health）上发表了一项新研究，展示了一种名为FAHR-Face的人工智能模型。该模型能够通过分析单张面部照片，预测癌症患者的死亡风险。这项研究由放射肿瘤学家Ray Mak及其同事主导，旨在解决传统医疗评估中主观性过强的问题。

Mak指出，医生在医学院接受训练时，被教导通过观察患者来形成对其健康状况的印象，这种“临床直觉”直接影响手术、化疗或放疗等治疗方案的制定。然而，这种评估本质上是主观的。FAHR-Face模型试图将这种主观印象转化为客观数据。研究团队首先让算法在无特定任务的情况下“学习”了4000万张面部图像，随后微调模型以执行两项任务：估算人的生物年龄和预测癌症患者的生存几率。

测试结果显示，该模型具有令人惊讶的准确性。在一个包含3820名癌症患者的测试组中，风险评分最高的122人里有64人在拍照后90天内去世，占比超过一半。在另一个包含超过38000名患者的更大规模测试组中，那些看起来比实际年龄更老的患者，其死亡风险也更高。研究人员称，这是首个报告能直接从简单面部照片预测癌症患者生存情况的AI算法。

为了理解AI是如何做出判断的，团队使用了“注意力映射”技术来追踪算法在分析时的关注点。对于年龄预测，AI主要关注鼻唇沟（鼻子和嘴巴之间的褶皱）和前额部分；而对于死亡风险预测，AI则倾向于聚焦鼻梁和眼睛下方区域。虽然这些特定区域与死亡风险相关的原因尚不明确，但模型似乎捕捉到了吸烟、酗酒等已知健康风险带来的面部特征变化。例如，吸烟者和重度饮酒者往往看起来比实际年龄更老。此外，照片中的表情、化妆或光线对年龄预测影响不大，但整形手术是一个例外：做过隆鼻手术的人在术后照片中会被AI判定为略老一些。

尽管前景广阔，但FAHR-Face目前尚未准备好进入临床使用。一个主要的局限在于，该癌症生存模型是在以白人为主的波士顿地区癌症患者群体上训练的。研究团队正在努力扩大训练集，以涵盖更多样化的人脸。麻省总医院已为该面部健康算法申请了专利。

这项技术也引发了伦理争议。纽约大学生物伦理学中心主任Matthew Liao教授评论说，这类工具可能有助于识别需要额外护理的患者，但也存在误判风险，可能导致真正需要护理的人被忽视。Liao还担心保险公司可能利用此类技术来决定是否承保，或者雇主用它来筛选“更健康”的求职者。他认为，在进一步开发该技术之前，社会必须深思其潜在的负面影响。