研究发现，癌症患者的面部特征所呈现的平均外表年龄与实际年龄相比，高出4.79岁。此外，FaceAge技术还能提升医生对癌症患者姑息治疗预判的准确性，凸显了该算法在临床支持临终治疗决策方面的实用价值。

该文章写道：

研究结果显示，深度学习技术能够根据面部图像推算出生物年龄，进而有助于提升癌症患者生存预后的准确性。为了确保这些成果的可靠性，有必要开展更深入的研究，包括扩大样本量的队列验证，以在癌症患者群体中验证这些发现，并探究其是否适用于其他疾病患者。经过更全面的测试与验证，类似于FaceAge的技术有望将患者的外貌特征转化为一种客观、定量且具有临床意义的评估指标。

麻省总医院布莱根医疗系统人工智能医学项目负责人Hugo Aerts指出，这项研究揭示了从面部照片中获取的数据在医疗领域可能具有极其重要的价值。

这项研究揭示，一张普通的自我拍摄照片或许蕴含着关键信息，这些信息对于制定患者的治疗方案和护理方案具有极大帮助。他进一步指出，若某人的面部年龄数据低于其实际年龄，那么在接受癌症治疗后的恢复状况将更为理想。

研究人员借助公共数据库中的五万八千八百五十一张图像对FaceAge算法进行了训练，随后，他们又以六千一百九十六名癌症患者在放射治疗启动前所摄的图像为样本，对算法进行了测试。

在这些癌症患者群体中，FaceAge数值越高，患者的生存状况越不理想；即便在考虑了实际年龄、性别以及癌症种类等因素后，这种不良趋势依然十分突出。特别是当FaceAge数值超过85岁的人群，这一现象表现得尤为显著。

之后，研究人员安排了10位临床医生及研究专家对接受姑息性放疗的晚期癌症患者进行生存预测，预计他们在六个月后的生存状况。在仅通过照片进行判断的情况下，他们的预测准确率达到了61%；然而，当引入FaceAge分析技术后，这一准确率显著提高，达到了80%。

目前，科学家正在将这项技术拓展至更广泛的病患群体中，同时对其在疾病预测、整体健康状态评估以及寿命预测方面的效能进行测试。然而，研究团队也指出，FaceAge技术可能存在一定的局限性，例如数据上的偏差以及模型可能存在的误差等问题。

媒体分析表明，这种新型技术手段正逐渐成为一种新趋势，它通过检测人体器官的衰老程度来识别潜在的疾病风险，即所谓的“生物标志物”。随着人工智能（AI）技术的进步，能够处理海量的健康数据，这一领域得到了极大的促进。

今年二月，研究者们揭露了一种能够检测内脏器官衰老速度的简便血液检测方法，此方法能够对患有肺癌等三十种疾病的高风险进行预警。此外，研究还指出，那些免疫系统老化速度异常加快的人群，是痴呆症的高发群体。

面部衰老的研究领域正迅速发展，与血液检测相似，科学家们正在积极寻求各种途径。其中一种方法是所谓的“感知年龄”理念——这指的是在专业医疗人员看来，一个人的外貌年龄，而非其生物学上的实际年龄。

研究人员指出，感知年龄作为一种预测死亡率和多种与年龄相关的疾病的潜在指标，已经得到认可，然而，它存在一个显著不足，即它需要依赖人工进行判断，这个过程既耗时又耗资。

英国纽卡斯尔大学的AI领域专家Jaume Bacardit同样对感知年龄的AI技术进行了研究，他对于FaceAge此次的评估认为，其内容“相当全面”。

然而，他强调，FaceAge项目迫切需要提供更详尽的技术细节说明，以便验证是否存在可能影响结果的干扰元素。

（财联社 赵昊）