Advanced Science：面部基础模型MedicalFaceFound千万级图像预训练，62项生物标志物73%超越主流骨干
2026年10月1日在线发表于Advanced Science的研究提出面部基础模型MedicalFaceFound，用超过1000万张图像预训练，评估覆盖62项生物标志物、横跨8个生理系统。其在45项（73%）生物标志物上优于Swin-Large与ResNet18，并在4个独立外部队列泛化，中位Pearson相关系数为0.172；红细胞、eGFR与高密度脂蛋白胆固醇表现最强，中位r分别为0.478、0.442与0.430。
千万级图像预训练，换来62项生物标志物里的45项胜出
数据视角 × 投资人与产业分析师 ｜ 趋势前瞻 × 监管与合规专家 ｜ 行业观察
2026年10月1日，Advanced Science在线发表一项研究，提出面部基础模型MedicalFaceFound，用超过1000万张图像完成预训练，评估覆盖62项生物标志物、横跨8个生理系统，文献标识为PMID 42823779、DOI 10.1002/advs.77861。作者称该模型可在手机端部署。出版方页面返回403，本条依据Europe PMC REST接口取得的摘要与元数据。
对投资人而言，这篇论文里有两个数字不能混着看：一个是训练侧的影像规模，超过1000万张；一个是验证侧的泛化结果，中位Pearson相关系数0.172。前者决定壁垒叙事的上限，后者决定商业化能走到哪一步。
开场：一张脸能读出62项指标里的多少项
评估覆盖62项生物标志物、横跨8个生理系统，这组数字描述的是覆盖面，而不是可用性。表现最强的三项分别是红细胞、eGFR与高密度脂蛋白胆固醇，中位Pearson r为0.478、0.442与0.430。这三项恰好是常规检验里成本最低、可及性最高的一批指标。
这个组合对定价的含义很直接：模型最强的部分，对应的恰恰是最不缺替代手段的检验项目。用一张脸去估一个抽血就能得到的结果，商业价值不取决于模型精度，而取决于场景是否需要即时、是否需要零成本。做资产估值时，先盯最强的三项落在哪些指标上，比看整体覆盖率更有用。
还有一层口径必须分开：预训练用掉的是超过1000万张图像，而论文明确给出的标注侧规模只有一处，即微调环节的400例。训练数据规模与验证数据规模不在同一个量级上，把千万级预训练直接读成验证强度，是这类基础模型最常见的误读。
73%胜出：对手是谁，赢在哪里
胜出率的原文口径是：在62项中的45项、即73%的生物标志物上优于Swin-Large与ResNet18。对手是两个通用视觉骨干网络，不是医疗领域专用模型，也不是检验科的既有方法。这场比较回答的是面部基础模型相对通用视觉基线是否有增量，而不是相对现有临床路径是否有增量。
另外两项结果补充了这个定位。一是在26项生物标志物中的14项上优于多基因风险评分模型，二是面部估计的心血管生物标志物与冠状动脉狭窄显著相关，AUC为0.66。前者给出了与基因组学路线的横向位置，后者指向一个影像之外的临床终点。
从产业视角看，73%这个比例的含义是：并非全盘碾压，而是多数指标上有微弱但一致的优势。一致性比峰值更有商业价值，它意味着平台可以被复用；而微弱能撑起多大的收费，取决于下游场景愿意为无创与便捷付多少溢价。AUC 0.66所代表的关联强度，显然还不足以支撑替代性结论。
0.172：绝对相关强度才是要盯的数
真正的硬指标是0.172。模型在4个独立外部队列上完成泛化，中位Pearson相关系数为0.172。这是一个弱相关。它的含义可以拆成两层：在人群层面存在可复现的信号，在个体层面还很远。
弱相关决定的是应用边界。中位r为0.172，意味着对任意一个具体的人，面部估计值与真实检验值之间的偏离可能很大，因此它不适合承担个体诊断或筛查职责，更适合作为人群分层或流行病学研究的工具。最强的三项达到0.478、0.442与0.430，也只是中等强度，同样谈不上替代检验。
在这条主线上还有三处口径缺失：4个外部验证队列各自的样本量未给出，摘要口径为4个而全文提及5个；AUC 0.66未给置信区间；中位Pearson r的离散度未说明，62项生物标志物的完整清单也未给出。缺了这三项，0.172到底在多大范围内波动，无法判断，尽调时不能只拿中位数当结论。
400例标注就够：微调成本降下来之后
论文给出的标注侧数字只有一个：仅用400例标注样本微调，模型仍保持预测性能。这条数据的商业含义比看上去更大。它意味着新增一个适应症或一个指标时，需要补充的标注成本处在数百例的量级，而不是预训练那样的千万级。
把两侧规模并排放在一起，结构就清楚了：
| 口径 | 规模 | 含义 |
|---|---|---|
| 预训练图像量 | 超过1000万张 | 一次性投入，构成模型底座与主要成本 |
| 微调标注量 | 400例 | 单任务边际成本，决定可扩张的适应症数量 |
| 外部验证队列 | 4个，各自样本量未给出 | 证据强度无法评估 |
表格两侧的数字不属于同一件事，读的时候要分开。预训练图像量回答的是底座花了多少数据，微调标注量回答的是单任务还要花多少数据，两者相差数个量级，不能用前者给后者背书。真正撑起商业叙事的是最后一栏的边际成本：每次扩张只需数百例标注，才让多适应症铺开具备可行性。
微调成本降下来，扩张边界就从技术转到了证据。每新增一个临床用途，都要重新走一遍独立队列验证，而这一步的样本量与结论强度恰恰是论文没有交待的部分。至于作者所称的可在手机端部署，属于作者自评，公开信息中未见端侧实测的延迟、显存或吞吐数据。
冷静观察：作者自己先否掉了因果，剩下的争议在伦理
第一条要先写明的，是作者自己的免责表述：全文明确否定了面部外观与系统生理之间存在因果或机制关系。也就是说，模型捕捉到的是统计关联，不是生理通路。任何把面部预测读成机制解释的说法，都与作者立场相悖。这条免责在合规语境里同样重要，它划定了声明边界——可宣称的是相关性，不可宣称的是病理推断。
证据侧的缺口在验证规模上最为集中。4个外部队列各自样本量未给出，摘要口径与全文提及的数量也不一致，这意味着目前没有一个可核对的分母；中位相关系数的离散度、AUC 0.66的置信区间、62项标志物的完整清单同样缺失。在未拿到这些之前，任何关于精度的对外表述都缺少支撑。
真正的争议则在数据与伦理。人脸属于生物识别特征，从面部推断健康状态，输入端是不可撤销的生物特征，输出是敏感的健康信息，两端都落在严格保护范围内。采集、跨机构传输与二次使用如何取得同意，外部队列的影像来源如何进行去标识与授权管理，作者未在此次发表中展开。对监管与合规而言，这类产品在审批之前先要过的是数据合法性与算法透明度两道关口，而这两部分的公开信息目前都不足。
原文链接：Advanced Science（DOI 10.1002/advs.77861）
千方医数集编辑部 出品
