AI仅凭面部照片预测癌症患者90天死亡风险，准确率显著高于人类医生

事件概述

美国研究人员利用人工智能技术，通过分析患者面部照片来预测其短期生存风险。这项研究由麻省总医院布莱根医疗集团的放射肿瘤科医生雷·麦（Ray Mak）等人主导，最新成果于10月19日发表在医学期刊《柳叶刀·数字健康》（The Lancet Digital Health）上。研究表明，AI在预测癌症患者90天内死亡风险方面的表现优于人类医生的经验判断。

核心数据与模型性能

• 预测准确性：研究团队对3820名未见过的癌症患者进行测试。结果显示，被AI判定为“最高死亡风险”的122人中，有64人在90天内去世；而被判定为“最低风险”的975人中，仅有20人去世。相比之下，此前研究中10名医生仅凭照片判断的准确率约为60%，结合AI分析后提升至约80%。
• 双模型协同：团队开发了两个关联但独立的子模型：
  1. 生理年龄估计模型：用于评估个体身体老化程度。研究发现，被AI判定比实际年龄老5岁以上的人，即使控制年龄、性别和癌症类型等因素，其死亡风险仍高出21%。
  2. 直接死亡风险预测模型：直接输出生存概率分数。
     *注：两个模型的判断维度不同，结合使用能提供更精准的预后参考。

技术路径与特征识别

• 训练数据：AI首先通过无监督学习分析了4000万张普通人脸照片，建立了对面部特征的通用理解基础。随后，使用3.4万多名癌症患者的面部照片及其生存数据进行监督训练。
• 关注区域差异：通过“注意力图”技术分析发现，估测生理年龄的AI主要关注法令纹、额头和太阳穴等显性衰老特征；而预测死亡风险的AI则更关注眼睛下方和鼻梁周围区域。研究者指出，后者捕捉到的具体生物标志物（如皮肤质地、色斑等）目前尚不明确，属于“黑盒”特征。
• 生活习惯影响：AI能够识别出吸烟、酗酒和吸毒等不良生活习惯对面容的老化影响。其中，吸烟者的面部老化程度最为明显，且戒断时间长短也体现在AI的评估结果中。

应用场景与局限性

• 临床辅助：目前该AI定位为辅助工具，旨在帮助医生识别需要额外营养支持或康复训练的虚弱患者，而非替代医生决策。团队已在65岁以上早期肺癌放疗患者中进行试点筛查。
• 公众开放测试：今年3月，团队上线了一个允许公众上传自拍以获取生理年龄估算的研究网站，已有超过1万人参与。这些数据将反哺模型，提升其泛化能力。
• 主要局限：当前训练数据主要来自波士顿地区的白人患者，模型在其他种族、族群中的准确性和适用性尚未得到充分验证。

伦理与社会风险

纽约大学生物伦理学中心主任马修·廖（Matthew Liao）指出该技术存在多重风险：

1. 误诊后果：若AI错误地将高危患者判定为低风险，可能导致治疗延误。
2. 歧视与滥用：由于面部照片易于获取，保险公司或雇主可能利用此类技术进行投保筛选或招聘歧视，加剧社会不公。
3. 隐私与安全：面部生物特征数据的广泛采集和使用引发了关于个人隐私保护的担忧，亟需建立相应的社会影响评估机制。