10月20日，国际顶级医学期刊《柳叶刀·数字健康》刊发了一项听起来颇有“玄学”感的研究：美国麻省总医院布莱根医疗集团开发的FAHR-Face AI模型，不用看病历、不用读CT、不用等血检报告，仅凭一张普通脸部照片，就能判断癌症患者的死亡风险。

研究的测试结果相当有冲击力：在3820名未参与模型训练的癌症患者中，被AI评为极高风险的有122人，拍照后90天内有64人离世，死亡率高达52.5%；而被打了最低风险区间分数的975人，同期仅20人去世，死亡率只有2.1%，两端差距超过25倍。 后续研究团队用荷兰一家癌症中心近4900名患者的数据做外部验证，也得出了高度相似的结论。

从4000万张脸里练出的“风险判官”

要让AI学会“看脸断风险”，研究团队分了两步走：

  • 第一步：先练“认脸”基本功：用WebFace42M数据集中超过4000万张普通人脸照片，采用掩码自编码器方案训练：随机遮住照片75%的区域，让AI根据剩余部分还原完整人脸。反复训练后，AI熟练掌握了人脸结构和不同面部特征的关联。
  • 第二步：用生存数据教它“打分”：团队纳入34363张癌症患者的面部照片，配套对应的完整生存记录（是否去世、去世时间/随访时存活时长），用排序学习法训练：给AI成对展示患者案例，存活时间更短的患者需要打出更高的风险分。

最终模型会输出0-1之间的分数，分数越高代表死亡风险越高。

把患者按分数从低到高分四组后，研究人员发现生存率随分数升高阶梯式下降；哪怕校正了年龄、性别、癌症类型、治疗方案等干扰因素，最高风险组的死亡风险依然是最低组的3.23倍，在美国和荷兰的两个独立患者队列中结论都成立，说明模型不是“碰运气”，确实抓到了人脸里和风险相关的共性特征。

AI看脸，到底在看什么？

很多人会好奇：不就是一张脸吗，AI能从中读出什么医学信息？ 其实这套体系里还有个姊妹模型FAHR-FaceAge，专门负责估算人的“视觉年龄”。同样是60岁，有人看起来像50岁，有人看起来像70岁，这种“面相年龄和实际年龄的差”，本身就和健康状态挂钩。 团队用近75万张带年龄标注的人脸照片训练年龄模型后测算：在癌症患者群体中，AI判定视觉年龄比实际年龄大至少5岁的人，整体死亡风险比其他人高约21%。

那死亡风险预测是不是就等于“看谁显老”？还真不是。 研究团队对比了两个模型的注意力热力图，发现两者关注的面部区域差异很大：估算年龄时，AI的注意力集中在法令纹、额头、太阳穴这些长皱纹、容易凹陷的区域；但预测死亡风险时，AI重点关注的是眼睛下方和鼻梁周围。

统计数据也印证了这一点：在荷兰患者队列中，视觉年龄差和死亡风险评分的相关系数仅为0.16，属于弱相关；把两个指标结合后，预测效果还能进一步提升——相当于AI从同一张脸里，挖出了两套互相独立、又能互补的健康信号。

【编辑观察】 这套思路其实和传统医学的“望诊”异曲同工：中医望诊看面色神态，西医也有记载了两千多年的“希波克拉底面容”——危重患者往往会出现眼窝凹陷、鼻尖削、脸色灰败的特征。区别在于医生靠临床经验总结，AI靠大数据捕捉更细微的变化，但目前AI还是个“黑盒”：它能给出准确的评分，却没人能说清它到底抓到了哪些具体的生理变化，相关性不等于因果，这也是这项研究目前最大的待解问题。

零成本测风险？落地还有三道坎

这项技术最有想象力的地方，就是门槛足够低。 研究用到的很多照片，只是医院日常核验身份时顺手拍的普通照片，不用CT、核磁这类昂贵设备，不用采血、取活检，几乎零成本、无创伤，不会给患者增加任何负担。 研究负责人、放射肿瘤学家Raymond Mak表示，未来这套工具可以帮助医生在制定手术、放化疗方案前，更客观统一地评估患者身体耐受度，避免过度治疗给虚弱病人带来额外痛苦。

但从“论文里好用”到“临床能用”，还有三个核心问题要解决：

  • 干扰因素太不可控：光线、表情、拍摄角度都可能影响结果，已有测试显示，只要让受试者笑一下、改变打光，AI估算的视觉年龄就能平均波动2岁，死亡风险评分会不会受类似干扰、影响有多大，还没有定论。
  • 人群通用性不足：目前训练和测试用的照片以白人患者为主，其他人种、不同地区的人群面部特征差异很大，模型能不能保持准确率，需要更多数据验证。
  • 临床价值还没证实：现在模型只能给患者做风险分组，还没有证据证明这些评分能帮助医生选出更合适的治疗方案、最终改善患者的生存情况，因此暂时不能直接投入临床使用。

其实“AI看脸诊病”早就不是新鲜事：2020年中国医学科学院阜外医院和清华大学的团队，就已经实现了仅凭人脸照片识别冠心病，在千人测试中AUC达到0.73；今年2月哥本哈根大学的团队还用27660名急诊患者的日常手机照片预测死亡风险，找出了不少常规分诊漏判的高危患者（该研究为预印本，尚未经过同行评审）。 一张脸里藏的健康密码，可能远比我们想象的多，但要让AI从“能算分”变成“能看病”，科学家还有不少路要走。