人脸照片第一次被证明可以直接预测癌症患者的生存结局。2026 年 10 月 19 日，Mass General Brigham 团队在《柳叶刀·数字健康》发表模型开发与验证研究：他们先用 4000 多万张人脸图像训练出基础模型 FAHR-Face，再从中派生两个工具——FAHR-FaceAge 估计一个人的生物年龄，FAHR-FaceSurvival 直接从一张普通面部照片给出癌症生存风险评分。研究团队称，据他们所知，这是首个能从单张人脸照片直接预测癌症生存的 AI 算法报告。
医生看脸判断虚弱程度，这次被量化了
这项研究的出发点是临床里的老动作。通讯作者、Mass General Brigham 癌症研究所放射肿瘤学家 Raymond Mak 说，医生在医学院就被训练成走进诊室先看病人一眼，形成对这个人健康、虚弱还是病重的印象，这个印象会影响手术、化疗、放疗等治疗选择——问题是这种判断非常主观。FAHR-FaceAge 做的事，就是把这眼印象变成可复算的分数：它估计的年龄与实际年龄之差被称作生物年龄差，研究显示这个差值与生存结局独立相关；把面子年龄分数和直接生存分数同时放进临床预后模型，拟合效果比单独用任何一个都好，说明两者抓到的信息并不重复。
具体数字值得看。在一个 3820 名癌症患者的测试组里，风险评分最高的一档共 122 人，其中 64 人在照片拍摄后 90 天内死亡，超过一半；在另一个超过 3.8 万名患者的测试组里，看起来比实际年龄老的人死亡风险同样更高。换算到年龄差上：被 AI 判定显老 5 岁以上的患者，死亡风险高 21%；显年轻 5 岁以上的，死亡风险低 17%。这些患者的平均随访期约四年，接受的是放射治疗。
它到底在看脸的哪里
团队用注意力图谱追踪模型在看什么。估年龄时，模型主要看鼻唇沟和前额等区域；算死亡风险时，注意力落在鼻梁和眼下区域。研究者坦承，目前还说不清为什么恰好是这些区域与死亡风险相关。有些信号倒是有现成解释：吸烟者、大量饮酒和吸毒的人更容易被判显老，这与已知的健康风险对得上。模型对照片条件也相当皮实：姿势、光线、表情、化妆变化都不太影响结果，多数整形手术也能被正确处理，一个例外是隆鼻——术后照片里的人会被判得稍微老一点。
离病房还远，先要过三关
第一关是人群代表性。生存模型是在波士顿地区以白人为主的癌症患者群体上训练的，团队正在扩充更多样化的人脸数据，并已通过机构审查委员会批准开展一项公开在线研究收集照片；Mass General Brigham 还就下一代面部健康算法申请了美国临时专利。第二关是证据等级：这是一项模型开发与验证研究，不是临床试验——它证明分数与结局相关，但没有证明医生用上这个分数后治疗决策会更好、患者结局会改变。第三关是用途边界。纽约大学生物伦理学中心主任 Matthew Liao 没有参与这项研究，他提醒，如果算法把病人误判为健康，可能导致本该得到的照护被漏掉；保险公司用这类技术决定承保、雇主用它筛选被认为更健康的求职者，都是必须提前想清楚的社会后果。Mak 的定位相对克制：这类工具的目标是支持个性化治疗决策，而不是取代医生的判断。对患者和家属来说，现阶段更实际的理解是——它是一项提示生理储备的研究信号，不是能拿来自测生死的工具。
