AI “看相”算出死亡名单，竟应验了一半？

“我看你面色不佳，恐有不幸之事临近。”

过去，狐妹听到这种话，第一反应是：这又是哪来的江湖术士？

现在不一样了，AI 已经掌握了这种“面相术”。

而且它不谈财运、不论姻缘，直接挑战高难度：仅凭一张面部照片，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》发表了一项研究，狐妹看完后感到不寒而栗。

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

结果有多惊人？

被 AI 判定为“最高风险”的那 10% 患者，其中一半（52.5%）在 90 天内去世；而被判为“最低风险”的 10%，90 天内去世的只有 2.1%。

一张脸，真的能看出一个人的生命轨迹？这究竟是医学突破，还是数字玄学？

01

为什么非要通过“看脸”来判断生死？

这项研究由哈佛医学院、麻省总医院布列根医疗系统等机构联合开展。

团队构成非常跨界：一边是放疗科医生 Raymond H. Mak，另一边是医学 AI 项目负责人 Hugo J. W. L. Aerts。

一位是每天与癌症打交道的放疗科医生，另一位是专注于医学 AI 的专家。

这两人合作，盯上了一个非常关键的问题：医生如何判断癌症患者是否能够承受治疗？

要知道，治疗癌症不能只看肿瘤类型和分期。患者的身体素质、虚弱程度，直接决定了能否进行放疗、手术或全身治疗。

但问题是，这种“身体状况”往往只能依靠医生的主观经验来评估，很难精准量化。

于是，团队瞄准了一个零成本、人人都有、却经常被忽略的数据来源：脸。

他们构建了基础模型FAHR-Face，核心思路是：先让 AI 学会“解读面部”，再教它处理不同的“专业问题”。

为了打好基础，团队使用了视觉 Transformer 架构，并采用了一种名为“掩码自编码器”的严格训练方法。

训练时，系统会随机遮盖照片中约75% 的区域，迫使 AI 根据剩余信息，将整张脸“脑补”重建出来。

等这个“基础底座”训练完成后，再微调出两个具体工具：

FAHR-FaceAge：通过面部估算年龄，研究面部衰老与生存结局的关系。

FAHR-FaceSurvival：直接根据癌症患者的面部，预测生存风险。

02

AI 到底从脸上看到了什么？

AI 究竟是如何“看脸断生死”的？实际上，团队分了两步进行。

第一步，让 AI 学会通过面部估算年龄。

他们开发了FAHR-FaceAge，用 74 万多张带有真实年龄标签的照片进行训练。在公开测试中，它估算的年龄与实际年龄平均只差5.1 岁。

但仅仅会估算年龄并不稀奇。

团队真正想弄清楚的是：面部的衰老特征，是否还隐藏着与健康、甚至生死相关的信息？

第二步，直接让 AI 在面部和生死之间寻找规律。

团队推出了第二个工具：FAHR-FaceSurvival。他们直接使用34363 张癌症患者的照片，并结合患者真实的生存结局进行训练。

实际上，这里的 AI 并没有透视能力，看不到体内的癌细胞。它纯粹是在海量数据中进行统计分析：到底具有哪些面部特征的人，死亡风险更高？

那么，这个规律究竟隐藏在面部的哪个部位？

团队调出了 AI 的“热力图”（如下图所示），想看看它在做判断时到底关注哪里（颜色亮的地方是 AI 重点关注的区域）。

结果发现，这两个模型关注的重点完全不同：

FAHR-FaceAge（估算年龄）：关注的是额头、太阳穴和法令纹。这符合我们的直觉，这些地方是长皱纹、显老的特征区域。

FAHR-FaceSurvival（判断生死）：视线向下移动，牢牢锁定在了眼底区域和鼻梁中面部。

这很有意思，为什么判断生死要关注眼底和中面部？

虽然热力图不能直接告诉我们“为什么”，但结合医学常识，这就可以理解了。

在医学上，恶性肿瘤会严重消耗身体，患者很容易出现面部脂肪流失、眼眶凹陷和肌肉萎缩等极度虚弱的迹象。

这实际上是身体储备功能下降、整体虚弱的表现。

但在日常诊疗中，医生很难用肉眼快速量化这种“轻微的面部结构变化”。

而 AI 依靠背后数万人的生死数据，敏锐地捕捉到了这些肉眼容易忽略的“憔悴感”。

那么，AI 的判断是否可靠？会不会只是偶然？

研究团队还进行了独立验证，在剔除年龄、性别、癌症分期等医生已经掌握的干扰因素后，结果依然惊人。

AI 预测风险最高的四分之一患者，死亡风险仍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，其中包含的信息，远比我们肉眼看到的要多得多。

03

距离真正进入医院，还有多远？

写到这里，狐妹也感到非常兴奋，想知道医院何时才能真正应用这项技术？

显然，研究团队也不想让这项技术只停留在论文中。

目前，他们已经启动了FaceAge Research Study公开项目（如下网站），普通人也可以上传照片获取自己的研究结果，同时帮助团队收集更多样化的数据。

为什么需要普通人参与？因为 AI 最怕“偏科”。

现有的模型可能在特定人群中很准确，但换一个肤色、换一个年龄段，效果可能就不一样。

只有让数据足够多样化、足够广泛，它才有可能成为真正通用的工具。

从临床角度来看，如果这项技术真的能成功，想象空间非常大。

例如，高龄癌症患者能否承受高强度治疗，一直是医生评估的难题。

如果一张面部照片就能提供额外的风险线索，这在一定程度上可以让高龄患者“少受罪”，这也是这项研究的初衷。

医学 AI 专家 Hugo Aerts 教授看得更远：未来这项技术，未必只能用于癌症。

毕竟一张照片不需要昂贵的设备，有手机就能拍。

未来在基层诊所、居家养老甚至远程医疗中，定期拍张脸，或许就能帮助医护人员发现值得警惕的异常信号。

对于化疗患者来说，连续的面部记录，也能让医生动态观察其身体状态的变化。

不过，从“能预测”到“真有用”，中间还隔着几座大山。

AI 虽然找出了面部特征和生存结局的关联，但还无法解释背后的生理机制。

此外，除了给出一个分数外，它能否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，如果 AI 给患者打了一个“高风险”标签，医生该如何使用这个结果？

如果只是提醒医生多关注、早干预，那绝对是一个好工具。

但如果一个尚未完全成熟的风险评分，反而成为给患者“判死刑”、劝退治疗的理由，那就彻底违背了技术辅助的初衷。

回顾这项研究，狐妹觉得最吸引人的地方不是 AI 会“算命”，而是它试图将过去难以捉摸的“身体虚弱程度”，变成一种可以量化、可以比较的数据。

一张脸里究竟隐藏着多少健康的秘密？AI 也许才刚刚揭开冰山一角。

这无疑是一个极具想象力的开端。但技术越强大，边界就必须越清晰。

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

毕竟，医学的底色，终究是人的温度。

参考资料：柳叶刀-数字健康及其他网络平台资料

本文来自微信公众号“科技狐”（ID：kejihutv），作者：狐妹，编辑： 不吃麦芽糖 ，，36氪经授权发布。