4000万张脸训出基础模型：AI看照片估生物年龄，把癌症生存风险差拉到3.23倍

数据视角 × 医疗数据从业者 ｜ 影响分析 × 医院信息化/临床医生 ｜ 深度研报

麻省总医院布里格姆团队用超过4000万张面部图像训练出基础模型FAHR-Face，并微调出两把工具：FAHR-FaceAge估算生物学年龄，FAHR-FaceSurvival直接预测癌症患者的生存预后。论文发表于《柳叶刀·数字健康》（DOI 10.1016/j.landig.2026.101056）。在3820例癌症患者的测试集上，模型给出的0到1风险评分把人群拉开了肉眼可见的差距：得分0.9—1.0区间的122人中，64人（52.5%）在拍照后90天内死亡；0.0—0.1区间的975人，90天死亡率只有2.1%。

开场：一张普通照片被模型读出两件事——你老得多快，你还剩多少时间

肿瘤科医生查房，走进病房第一眼其实已经在做判断：病人是自己坐着还是半躺着，脸上的肉是紧的还是松的，眼窝有没有陷下去。这种「望诊」在开口问病史之前就已经拼出一个模糊的印象，并且真实影响治疗决策——同样分期的两个人，一个上强度，一个往回收。问题是它没法标准化，也写不进病历，不同医生看同一个人，结论可能不一样。

这项研究做的事情，就是把这种说不清道不明的「看一眼」变成可量化的数字。通讯作者Raymond Mak说得直白：随着人口老龄化，医生在建议放疗、手术或全身治疗等强度较大的治疗前，需要更好地评估患者的身体条件和衰弱程度，而目标是让基于照片的评估更加量化、标准化、可大规模推广，而非取代医生的判断。

4000万张脸喂出一个基础模型：FAHR-FaceAge与FAHR-FaceSurvival是怎么拆出来的

先看数据链条的起点。研究团队没有针对单一任务从零训模型，而是先用超过4000万张来自不同族裔和年龄段人群的面部图像，训练出一个名为FAHR-Face的基础模型，全称「健康识别AI基础模型」，再在其上微调出两个工具：

• FAHR-FaceAge：估算患者的生物学年龄，即一个人「看起来」多老，而非身份证上的年份；
• FAHR-FaceSurvival：绕开年龄这个中间变量，直接根据面部照片预测癌症患者的生存预后。

共同作者Hugo Aerts表示，据其所知，这是AI模型首次能直接从一张简单照片预测癌症生存。他强调基础模型路径的价值：模型从海量图像中学到一种通用的面部表征，之后可以适配到不同的健康结局上，不用为每个生物标志物从头训练。

一个值得注意的细节：FaceAge估算的「面部年龄」与实际年龄的相关性很弱，R仅0.16。这说明它测的不是出生年份，而是某种与健康耗损更相关的东西。分析还显示，重度饮酒、药物使用和吸烟与被判定为生物学上更显老相关联。

3820例测试集上的硬数字：0.9-1.0区间122人中64人90天内死亡，0.0-0.1区间975人只有2.1%

FaceSurvival最扎眼的数据来自3820例癌症患者的测试集。模型给每人打一个0到1的风险评分，拉开之后是这样的梯度：

• 得分0.9—1.0区间：122人，64人（52.5%）在拍照后90天内死亡；
• 得分0.0—0.1区间：975人，90天死亡率仅2.1%。

时间尺度拉长，差距没有收窄。最低风险四分位组的5年生存率为78.1%，最高风险组为17.7%；校正混杂因素后，最高风险组的死亡风险为最低组的3.23倍。

另一条线索来自年龄模型。在美国接受放疗的癌症患者中，被判定比实际年龄显老5岁以上者，平均四年随访期内死亡风险高21%；显年轻5岁以上者，死亡风险低17%。在一组外部验证的癌症患者样本中，把两种模型的指标结合使用，还能进一步改善生存模型预测数据与实际数据的吻合度。

两个模型看的不是同一张脸：年龄取鼻唇沟额头太阳穴，生存取眼下方与鼻梁

同一个基础模型，两个下游工具，但二者捕捉的面部信息并不重叠，且具有互补性：

• 年龄模型主要分析鼻唇沟（法令纹）、额头区域和太阳穴；
• 生存模型则重点分析眼睛下方及鼻梁周围区域。

Mak提到，团队对结果在照片姿态、光照、表情、妆容差异下仍保持一致感到意外；模型在多数整形手术后仍能给出稳定结果，只在鼻整形术后观察到小幅变化。对医疗数据从业者而言，这类「扰动稳定性」报告是判断模型能否走出实验室的重要信号——如果换一个光源、化一次妆就翻车，3820例测试集上的分层能力再漂亮也难以复用。

冷静观察：3.23倍风险差能进临床决策吗，还是只适合做分层筛查

3.23倍的风险差听上去惊人，但要落到临床，边界必须先说清楚。

第一，预测效能有限。论文与同期评论均承认这一点：在早期非小细胞肺癌队列中，表现最好的模型AUC仅约0.60，只是略高于随机水平。统计关联不等于因果——一个面部特征与死亡风险相关，不意味着「脸老导致预后差」，更不意味着干预面部就能改变结局。论文自述无因果意义。

第二，外部效度待验证。训练数据虽达4000万张，但面部图像的人群代表性、不同族裔肤色下的表现差异、光照与妆容等拍摄条件的扰动，都是推广到其他人群前必须逐项验证的环节。研究团队正在开展面向公众的在线研究，意图正是在更大规模、更多样化的人群中改进和验证。

第三，定位是辅助而非替代。作者明确这套工具不取代医生判断。更现实的落点是分层筛查：作为低成本的身体储备评估变量，放进分期、体能状态、分子分型之外的模型里，接受外部队列的前瞻性验证。它能不能站住，不取决于4000万张训练图像有多壮观，而取决于接下来有没有足够多的外部证据证明：这张脸确实多告诉了我们一些东西。

原文链接：https://www.news.cn/tech/20261025/98932cb806714c8c9100fb6f275add2f/c.html
千方医数集编辑部 出品