你的面部照片能否让医生洞察你身体的表观年龄以及长期健康状况？美国波士顿麻省总医院布里格姆医学中心的一组 AI 研究人员认为可以。你的面容不仅反映你是谁，还可能帮助判断你的健康状况以及寿命长短。
Bruce McMichael
2025年9月22日
English version | French version
一个名为 “FaceAge” 的新型 AI 系统正在医学研究界引起广泛关注。FaceAge 利用先进的深度学习技术，仅通过分析脸部自拍照片就能估算一个人的生物学年龄。该应用程序由美国波士顿麻省总医院布里格姆医学中心开发，研究人员认为，它有可能识别重大健康风险、预测寿命，并为与年龄相关的疾病（包括某些癌症）的诊断和治疗决策提供参考。
实际年龄和生物学年龄之间存在细微差别。实际年龄是指自出生以来经过的年数，而生物学年龄则反映了身体的实际功能状态，并受到遗传、生活方式、环境和疾病的影响。例如，一名50岁的成年人，如果经常锻炼、饮食合理且没有慢性疾病，其生物学年龄可能相当于比实际年龄小十岁的人。
反之，另一名50岁的成年人如果患有肥胖、糖尿病且压力过大，其生物学年龄可能接近60岁。理解这些差异对于制定个性化医疗策略至关重要，例如在放疗等激进治疗中进行合理管理。
麻省总医院布里格姆医学中心的研究人员指出：“癌症患者的 FaceAge 平均高于非癌症患者，其表观年龄比实际年龄大约大五岁。较高的 FaceAge 预测结果与多种癌症类型的整体生存率下降相关。研究还发现，FaceAge 在预测接受姑息放疗患者的短期寿命方面，比临床医生更为准确。”
麻省总医院布里格姆人工智能医学（AIM）项目负责人 Hugo Aerts 表示：“我们可以利用人工智能（AI）通过面部照片估算一个人的生物学年龄，研究表明这一信息在临床上具有重要意义。这项工作显示，一张照片——即便是一张简单的自拍——就包含了关键信息，可为患者和医生的临床决策及护理方案提供参考。一个人的面部年龄与其实际年龄的差异非常重要——那些‘面部年龄’比实际年龄小的患者，在癌症治疗后的预后明显更好。”
FaceAge 的工作原理
研究人员使用了超过 5 万张假定健康个体的照片，以及 6 千多张癌症患者的照片，训练并测试了算法。通过分析这些数据集，麻省总医院布里格姆的研究人员发现：“结果显示，癌症患者的外观明显比非癌症患者显老，其 FaceAge 平均比实际年龄年长大约五岁。在癌症患者群体中，FaceAge 较高与生存率下降相关，尤其是在表观年龄超过85岁的患者，即使在控制了实际年龄、性别和癌症类型后，这一趋势依然显著。”
通过这一训练，FaceAge 学会识别面部特征中的微妙模式，例如皮肤质地、皱纹、脂肪分布，甚至微表情，这些都与生物学衰老过程密切相关。
与以往的年龄估算系统不同，FaceAge 的独特之处在于其临床应用价值。大多数面部年龄算法的目标是估算一个人在他人眼中的外貌年龄，这类算法通常用于娱乐应用或数字内容中。但 FaceAge 并非在“猜测”你看起来多大，而是评估你的身体在细胞和系统层面的真实年龄，以及这对健康意味着什么。
多项经过同行评审的研究表明，FaceAge 能以高精度估算生物学年龄，并在预测临床结局（包括死亡风险）方面，比仅依靠实际年龄更为准确。这在肿瘤学、老年医学和公共健康等领域可能带来颠覆性影响。
根据麻省总医院布里格姆医学中心的研究，FaceAge 对生物学年龄的估算与患者的治疗结果高度相关。那些生物学年龄高于实际年龄的患者，即使其他健康指标看起来正常，也往往有明显更低的存活率。
这些结果表明，FaceAge 可能捕捉到了肉眼或传统诊断工具难以察觉的隐性健康信号。例如，面部特征可能反映炎症、细胞衰老和氧化应激的累积效应——这些因素与衰老密切相关，但在常规医疗实践中往往难以检测。
研究人员希望，通过将 FaceAge 融入医疗工作流程，医疗提供者能够获得关于患者护理和治疗的新见解。例如，肿瘤科医生可以用它来个性化调整治疗强度；老年科医生可以长期监测衰老轨迹；初级保健医生则可能发现那些看似健康，但生物学年龄正在快速增长（衰老速度较快）的患者。
伦理与实际影响
与任何与医疗系统交互的人工智能系统一样，FaceAge 也引发了重大伦理关注。仅凭一张表面上看似简单的面部照片来做医疗决策，是否公平或可取？隐私和知情同意又该如何保障，尤其是在面部识别已成为社会敏感话题的背景下？
FaceAge 的开发者已尝试预先应对这些伦理顾虑。该模型并非用于监控或身份识别，并通过匿名化和数据加密来满足严格的医疗隐私标准（如《健康保险可携性与责任法案》（HIPAA））。此外，它旨在辅助人类判断，而非取代人类决策。
有关衰老的科学
FaceAge 是精准衰老（precision ageing）这一更大研究趋势的一部分——通过使用生物标志物、机器学习和大数据来理解并干预衰老过程。FaceAge 对开发者而言特别有吸引力的地方在于其非侵入性、低成本且易于扩展，而其运作所需的仅是一张图像。这使其在资源有限的地区、移动健康应用以及传统诊断工具不便或过于昂贵的远程监测场景中尤其具有应用前景。
在消费者健康领域，人们最终可能会使用由类似 FaceAge 算法驱动的应用程序来追踪生活方式改变的成效，方式与当今的健身追踪应用类似。与此同时，已经有一些初创公司在探索向对抗衰老方案或长寿科学感兴趣的用户提供“面部衰老评分”的方式。
人们也越来越关注将生物年龄作为衡量健康寿命的指标——一种用来量化一个人预计还能维持健康、独立生活多长时间的方法。实际年龄并不能说明一位 70 岁的人是在健康兴盛期还是走向衰退，而 FaceAge 或许可以。
该技术可被扩展到相关领域，包括健康管理、保险以及公共卫生政策。雇主，甚至保险公司，都可以利用生物年龄评估来鼓励健康行为。
