新智元报道
编辑：定慧
你以为照镜子只能看出自己昨晚熬夜没睡好？现在，科学家开发出一款 AI 工具「FaceAge」，通过一张脸，就能判断你到底多「老」——不是身份证上的年龄，而是藏在细胞深处的生物年龄！关键是，这不光是「看起来老不老」，还关系到你扛不扛得住癌症治疗！
你有没有发现，有些人看起来就是比其他人更老。
脸，不仅仅是我们的门面，还是一个人的「健康快照」，更是一张映射身体状态的「体检报告」。
最近的一项研究发现这其中还藏着更深的秘密，这项研究登上《柳叶刀数字健康》：Mass General Brigham 团队用 AI 训练出一个模型 FaceAge，从人脸照片里预测癌症患者的真实「生物年龄」以提供建议辅助治疗。
结果惊呆了他们：
-
「看起来」比实际年龄年轻的人，治疗效果更好。
-
而那些被 AI 认为「老了」的人，更可能病情恶化甚至死亡。
论文地址：
https://www.thelancet.com/action/showPdf?pii=S2589-7500%2825%2900042-1
身份证上那串数字只是参考，真正的年龄写在「 脸部胶原蛋白的出勤率」里。FaceAge 通过看你的脸部照片来预测你真正的「生物年龄」。
FaceAge 是在一个包含超过 56,000 张 60 岁及以上人群的图像数据库上训练的。这些图像主要来自维基百科和电影数据库 IMDB。
然后，研究人员要求它仅通过照片来评估研究其他参与者的年龄，其中大多数参与者患有癌症。
结果让人震惊，AI 已经能「看脸断生死」了！
这不是玄学
AI 能看出你脸颊凹陷、法令纹……
人的生物学年龄估计与他们的身体健康状况密切相关，这可能反映了他们在某些治疗方案下的生存能力。
未来，面部年龄分析可能比单纯年龄更有助于医生在患者的治疗方面做出艰难的决定。
传统的衰老测试要验血、测唾液、搞分子生物学，而 FaceAge 只需要一张照片！
经过训练后的 FaceAge 关注的并不是你有没有皱纹、白头发或者脸色如何，而是：
-
太阳穴是否凹陷（代表肌肉流失）
-
嘴边皮肤褶皱是否明显（反映组织弹性）
-
面部线条是否下垂（象征整体健康）
马萨诸塞州总医院的放射肿瘤学家 Raymond H. Mak 博士参与了这项研究，他表示，医生有一天可能会使用 FaceAge 来根据患者的估计生物年龄决定是否提供不同的治疗。
不过目前 FaceAge 存在一个很大局限，因为它的训练数据主要是白人面孔，而且也不清楚整容、化妆、光线和面部角度等因素在多大程度上会影响结果。
69 岁阿姨「抗癌不倒」，全靠脸看着比年轻 10 岁
一位名叫 Toni Feather 的 69 岁发型师，正在接受肺癌治疗。
医生通过 FaceAge 一测，发现她的脸部状态居然「年轻 10 岁」，也就是 69 岁的人，看起来只有 59 岁！
这代表的不只是「冻龄」，AI 认为她身体的「生物弹性」很强，因此能挺过手术+化疗+放疗的连环暴击，现在还能每周照常给顾客做头发，照常带孙子不误。
从面部照片估算生物年龄
由于不同人衰老的速度不一样，人的外貌相比实际年龄，更能可靠地反映其生物年龄和身体健康状况。
但是，在医学领域中，「以貌取人」通常是主观且缺乏量化标准的，无法应用于医学诊断。
该研究旨在开发并验证一套名为 FaceAge 的深度学习系统，利用简单、低成本的人脸照片来估算生物年龄。
研究方法
FaceAge 的训练数据来自 58,851 名年龄在 60 岁及以上、被认为是健康的个体：其中 56,304 人来自 IMDb–Wiki 数据集（用于训练），2,547 人来自 UTKFace 数据集（用于初步验证）。
FaceAge 算法以一张人脸照片作为输入。
首先，卷积神经网络会在照片中定位人脸；接着，另一套卷积神经网络提取人脸特征，并基于这些特征预测该人的 FaceAge（面部年龄）。
FaceAge 算法是在一个包含 56,304 名被认为健康的个体的训练数据集上开发的，这些人主要包括政界人士、演员及其他知名人物。
假设这些人的健康状况处于平均水平，也就是说，他们的生理年龄与实际年龄基本一致。
为了提高与临床肿瘤人群年龄范围相符的数据质量，对该数据集中年龄在 60 岁及以上的个体进行了人工筛选。
随后，研究使用了三个独立的癌症患者队列，这些队列涵盖了广泛的患者类型，用于评估该算法在临床中的相关性。所有患者在接受放疗前都按照常规流程拍摄了面部照片。
在来自荷兰和美国两个机构、共计6,196 名癌症患者的数据上评估了 FaceAge 的临床应用价值，这些数据来自 MAASTRO、Harvard Thoracic 和 Harvard Palliative 三个队列。
为了评估 FaceAge 在预测方面的效果，采用 Kaplan–Meier 生存分析和 Cox 模型，并对多个临床变量进行了调整。
还在接受姑息治疗的晚期癌症患者中测试了将 FaceAge 纳入临床预测模型后的表现。
此外，为了探究 FaceAge 是否具有作为分子衰老生物标志物的潜力，还进行了基因分析，评估其与衰老相关基因之间的关联性。
研究结果
FaceAge 在多种类型和不同阶段的癌症中都表现出了显著且独立的预测能力。
上图是 FaceAge 在多个癌症队列中的预后表现。
图中(A) 表示仅使用人脸照片作为输入的 FaceAge 预测结果的 Kaplan–Meier 生存分析。
可以看到 FaceAge 越大，长期生存概率越低。
图中(B) 按 FaceAge 风险分组绘制的森林图。
展示了不同 FaceAge 分组与死亡风险（HR，危险比）之间的关系，通过单变量分析（Univariate）和多变量分析（Multivariate）分别进行了评估。
所有分组与参考组相比，差异均具有高度统计学显著性。
在校正了其他变量（如年龄、性别等）后重新评估 FaceAge 的影响，表明在控制其他因素后，高 FaceAge 仍然是死亡风险增加的独立预测因子，尤其是 FaceAge 超过 75 岁的群体。
图中(C) 将 FaceAge 作为连续变量分析的森林图，涵盖所有患者以及四个最多见的肿瘤部位。
简单来说，不管癌症种类或分期怎样复杂，只要用 FaceAge 看一眼病人的脸，就能提前判断 Ta 的生存风险，比只看常规指标更靠谱。
外貌看起来更老与较差的总体生存率相关，在调整其他变量后，每增加十岁外貌年龄，全癌症队列中的风险比为 1.151，p=0.013；胸部癌症队列为 1.148，p=0.011；姑息治疗队列为 1.117，p=0.021。
如何理解这些数据？风险比指的是同样的随访时间里，实验组与对照组的相对事件发生速率。HR = 1 表示风险相同；HR > 1 表示实验组风险更高；HR < 1 表示更低。
以全癌症实验组为例，同龄人里如果你脸上「显老」10 岁，死亡风险大约多出11–15 %，这个事件只有 1.3 %的概率是巧合，所以几乎可确定「显老」是真的有影响。
总体而言，癌症患者的外貌平均比其实际年龄老了 4.79 岁（与非癌对照组相比，p<0.0001）。
此外，为了评估癌症类型和生活方式因素对 FaceAge 预测结果的影响，还比较了 FaceAge 与实际年龄在不同癌症类型、吸烟史、BMI 以及 ECOG 身体功能评分下的差异（见上图）。
研究发现，癌症患者的 FaceAge 显著高于其实际年龄。这一趋势在各类癌症中表现一致，并与推测为健康人群的结果形成鲜明对比。
首先，在 UTK 验证数据集中（推测为健康个体），FaceAge 与实际年龄之间的差距明显较小，相比癌症队列差异显著，说明一般人群的面貌更接近其实际年龄，这与预期一致。
还分析了接受良性疾病治疗的患者以及原位导管癌患者的面部数据。
结果显示，非癌症患者的 FaceAge 与实际年龄之间的差距明显小于癌症患者群体，其中良性疾病患者的 FaceAge 与实际年龄最为接近，原位导管癌患者的 FaceAge 居中。
为评估生活方式因素的影响，在 MAASTRO 队列中比较了当前吸烟者、既往吸烟者和从不吸烟者的 FaceAge 与实际年龄之间的差异。
结果显示，当前吸烟者看起来明显更老（平均增加 33.24 个月，果然吸烟有害身体狗头），这种趋势在不同癌症类型中一致。
在分析 BMI 对 FaceAge 与实际年龄差值的影响时，虽然统计上存在显著关联，但效应量很小，说明 FaceAge 与 BMI 之间的关系较弱（看来胖点不会影响）。
研究结论
研究结果表明，FaceAge 深度学习模型可以通过人脸照片估算生物年龄，并在癌症患者的生存预测中发挥重要作用。
未来还需要在更大规模的癌症患者队列中进行验证研究，以确认这些发现是否适用于其他疾病人群。
如果进一步验证成功，FaceAge 这类技术有望将患者的外貌转化为客观、量化且具有临床意义的评估指标。
研究者表示，这种 AI 工具未来可能成为医生的好助手，比如当医生看到一名新的患者时：
你可能才 60 岁，但 AI 说你脸上写着 75，那治疗方案可能要保守点。
当然，AI 并不会取代医生判断，但有了它，医生诊断患者时就多了一双「看透真实年龄的X光」眼。
但别高兴太早
AI「看脸」也有风险！
目前 FaceAge 并不是「万能的」，还有不少限制：
-
训练数据以白人面孔为主，对深色肤色人群准确性存疑
-
整形手术、化妆、灯光、拍照角度……都有可能影响结果
-
不清楚它是否能识别「逆龄」状态（比如你最近减肥、戒烟了）
而更令人担心的是，有医学伦理专家警告，FaceAge 如果真的有效，可能会被用作「非法」用途：
这个工具会不会被保险公司拿去「挑客人」？脸上写着「老」，那好，保费翻倍！
并且有专家泼冷水，FaceAge 离实际临床使用还有段距离，来自哥伦比亚大学的流行病学家 Belsky 表示：
FaceAge 虽然酷炫，但和现有的生物年龄检测工具比，准不准、便不便宜、能不能大规模用，都还是个问号。
毕竟从论文到医生门诊，还有很长一段路。
但是 FaceAge 的意义在于告诉我们脸上的每一条线，都可能是健康的伏笔。
FaceAge 的出现，为「以貌取人」带来了数据支撑，也为精细化医疗铺开了新的想象空间。
AI 不再只是帮你修图、换脸、合成照，现在它还能告诉你——你是不是「超龄使用」了身体，并且在你遇到重大健康问题时，提供有效的医疗建议。
这也许才是 AI 技术进步的意义。
参考资料：
https://www.nytimes.com/2025/05/08/well/biological-age-faceage.html
https://www.thelancet.com/journals/landig/article/PIIS2589-7500(25)00042-1/fulltext
