拍张自拍就能预测寿命与癌症预后？哈佛用4000万人脸练出AI“相面大师”
常言道“相由心生、病从貌显”，中医讲望诊，现代医生也常通过观察患者神态与脸色来辅助判断病情，但传统观察往往极易受主观经验、光线角度、甚至化妆与医美的影响。一个人脸上的衰老与病容，究竟能否转化为严谨可量化的临床医学指标？AI 又能否单凭一张普通正脸照片，看穿人体的“生物学真实年龄”与疾病死亡风险？
哈佛医学院与布莱根妇女医院团队在《柳叶刀·数字健康》（The Lancet Digital Health）发表突破性成果，基于超 4000 万张人脸图像构建了医疗基础大模型 FAHR-Face，并针对两大临床任务进行了微调。其中测衰老的 FaceAge 在涵盖全生命周期的公共数据集上，预测生物学年龄的平均绝对误差仅 5.1 岁；而预测生存期的 FaceSurvival 在对 3.4 万余名癌症患者数据微调后，多因素 Cox 模型显示最高风险组的死亡率超过最低组的 3 倍（调整后风险比 aHR=3.23，p<0.0001）。注意力热力图揭示，两个算法关注的面部区域完全不同——一个捕捉自然衰老特征，另一个锁定疾病消耗带来的特定微病容；即使面对化妆遮瑕、光线变幻或面部整容手术，模型的预测依然稳健可靠。
这项研究证实，低成本的普通人脸照片能成为捕捉生物学衰老与疾病死亡风险的有效生物标志物，二者联用还可进一步提高癌症预后的精准度。不过研究人员也强调了局限性：死亡预测模型主要在癌症患者队列中完成验证，目前绝非面向普通公众的“算命寿命仪”；此类工具的核心价值在于临床早筛与分层干预辅助，未来在真实世界推广前仍需防范潜在的算法偏见与健康保险歧视风险。
📖 The Lancet Digital Health
📃 Foundation artificial intelligence models for health recognition by use of face photographs (FAHR-Face): a model development and validation study
🗓 2026-10-19
#人脸识别 #医疗AI #柳叶刀 #癌症预后 #生物学年龄 #哈佛医学院
Via：提前退休卡皮🐟
🧬 频道 ｜ 🧑🔬 群组 ｜ 📨 投稿
常言道“相由心生、病从貌显”，中医讲望诊，现代医生也常通过观察患者神态与脸色来辅助判断病情，但传统观察往往极易受主观经验、光线角度、甚至化妆与医美的影响。一个人脸上的衰老与病容，究竟能否转化为严谨可量化的临床医学指标？AI 又能否单凭一张普通正脸照片，看穿人体的“生物学真实年龄”与疾病死亡风险？
哈佛医学院与布莱根妇女医院团队在《柳叶刀·数字健康》（The Lancet Digital Health）发表突破性成果，基于超 4000 万张人脸图像构建了医疗基础大模型 FAHR-Face，并针对两大临床任务进行了微调。其中测衰老的 FaceAge 在涵盖全生命周期的公共数据集上，预测生物学年龄的平均绝对误差仅 5.1 岁；而预测生存期的 FaceSurvival 在对 3.4 万余名癌症患者数据微调后，多因素 Cox 模型显示最高风险组的死亡率超过最低组的 3 倍（调整后风险比 aHR=3.23，p<0.0001）。注意力热力图揭示，两个算法关注的面部区域完全不同——一个捕捉自然衰老特征，另一个锁定疾病消耗带来的特定微病容；即使面对化妆遮瑕、光线变幻或面部整容手术，模型的预测依然稳健可靠。
这项研究证实，低成本的普通人脸照片能成为捕捉生物学衰老与疾病死亡风险的有效生物标志物，二者联用还可进一步提高癌症预后的精准度。不过研究人员也强调了局限性：死亡预测模型主要在癌症患者队列中完成验证，目前绝非面向普通公众的“算命寿命仪”；此类工具的核心价值在于临床早筛与分层干预辅助，未来在真实世界推广前仍需防范潜在的算法偏见与健康保险歧视风险。
算命先生直呼内行，以后体检连自拍都得素颜上阵了 📷🔮
📖 The Lancet Digital Health
📃 Foundation artificial intelligence models for health recognition by use of face photographs (FAHR-Face): a model development and validation study
🗓 2026-10-19
#人脸识别 #医疗AI #柳叶刀 #癌症预后 #生物学年龄 #哈佛医学院
Via：提前退休卡皮🐟
🧬 频道 ｜ 🧑🔬 群组 ｜ 📨 投稿
