科学 | AI “看相”算出死亡名单，竟应验了一半？

而且它不跟你聊财运、不扯姻缘，上来直接难度拉满： 只凭一张脸，预测癌症患者的死亡风险。

10 月 19 日，顶级医学期刊《柳叶刀·数字健康》发了一篇研究，狐妹看完后背发凉。

美国麻省总医院布莱根医疗集团（Mass General Brigham）的团队，开发了一套名为 FAHR-Face 的 AI 基础模型，并在此基础上训练出一个直接预测癌症患者生存风险的工具。

被 AI 判为“最高风险”的那 10% 患者，有一半（52.5%）没撑过 90 天；而被判为“最低风险”的 10%，90 天内去世的只有 2.1%。

团队配置很跨界：一边是放疗科医生 Raymond H. Mak，另一边是医学 AI 项目的负责人 Hugo J. W. L. Aerts。

这两人一碰头盯上了一个极其要命的问题： 医生怎么判断癌症患者到底扛不扛得住治疗？

要知道，治癌症不能光看肿瘤类型和分期。患者的身体底子、衰弱程度，直接决定了能不能上放疗、手术或全身治疗。

但问题是，这种“身体状态”往往只能靠医生的主观经验去估，很难精准量化。

他们搞出了基础模型 FAHR-Face ，核心逻辑是： 先让 AI 学会“读脸”，再教它做不同的“专科题”。

为了打好这个底子，团队用了视觉 Transformer 架构，并采用了一种叫“掩码自编码器”的硬核训练法。

训练时，系统会随机遮住照片中约 75% 的区域，逼着 AI 根据剩下的那点信息，把整张脸“脑补”重建出来。

FAHR-FaceAge ：看脸估算年龄，研究面部衰老与生存结局的关系。

FAHR-FaceSurvival ：直接看癌症患者的脸，预测生存风险。

他们开发了 FAHR-FaceAge ，用 74 万多张带真实年龄标签的照片训练它。在公开测试中，它算出的年龄跟实际年龄平均只差 5.1 岁 。

团队真正想搞明白的是： 脸上的衰老特征，是不是还藏着跟健康、甚至生死有关的密码？

团队放出了第二个大招： FAHR-FaceSurvival 。他们直接用 34363 张 癌症患者的照片，结合患者真实的生存结局进行训练。

其实这里的 AI 并没有透视眼，看不到体内的癌细胞。它纯粹是在海量数据里做统计：到底长成啥样的人，死亡风险更高？

团队调出了 AI 的“热力图”（也就是下面这张图），想看看它做判断时到底在盯哪儿（颜色亮的地方就是 AI 重点关注的）。

FAHR-FaceAge（算年龄） ：盯的是 额头、太阳穴和法令纹 。这很符合咱们人类的直觉，这些地方本来就是长皱纹、显老的特征区。

FAHR-FaceSurvival（看生死） ：视线居然往下挪了，死死锁定在了 眼底区域和鼻梁中面部 。

虽然热力图不能直接告诉我们“为什么”，但结合医学常识，这事儿就说得通了。

在医学上，恶性肿瘤极其消耗身体，患者很容易出现极度微弱的 面部脂肪流失、眼眶凹陷和肌肉萎缩 。

而 AI 靠着背后几万人的生死数据，敏锐地捕捉到了这些肉眼容易忽略的“憔悴感”。

研究团队还进行了独立验证，在把年龄、性别、癌症分期这些医生早就掌握的干扰因素全部剔除后，结果依然惊人。

AI 预测风险最高的四分之一患者，死亡风险依然是最低四分之一患者的 3.23 倍！

可见，一张普通的面部照片，里面包含的信息，远比我们肉眼看到的要多得多。

目前，他们已经启动了 FaceAge Research Study 公开项目（就是下面这个网站），普通人也能上传照片获取自己的研究结果，顺便帮团队收集更多样化的数据。

现有的模型可能在某些特定人群里很准，但换个肤色、换个年龄段，效果未必一样。

比如高龄癌症患者到底能不能扛住高强度治疗，一直是医生很头疼的评估难题。

如果一张面部照片就能提供额外的风险线索，可以说这一定程度上让高龄患者“免受罪”，也是这项研究的初衷所在。

医学 AI 专家 Hugo Aerts 教授看得更远：未来这套技术，未必只能用在癌症上。

未来在基层诊所、居家养老甚至远程医疗里，定期拍张脸，或许就能帮医护人员揪出值得警惕的异常信号。

AI 虽然找出了面部特征和生存结局的关联，但还解释不清背后的生理机制。

此外，除了给到一个分数外，能不能在医生已有的诊断之外提供 额外 价值？这些都需要更大规模、跨医院的真实测试。

再说到，如果 AI 给患者打了个“高风险”标签，医生该怎么用这个结果？

但如果一个尚未完全成熟的风险评分，反手成了给患者“判死刑”、劝退治疗的理由，那就彻底背离了技术辅助的初衷。

回头看这项研究，狐妹觉得最迷人的地方不是 AI 会“算命”，而是它试图把过去玄乎其玄的“身体虚弱程度”，变成一种可以量化、可以比较的数据。

它可以成为辅助医生看见更多信息的利器，但永远不能取代医生，成为决定命运的最终裁决者。