FaceAge登上「柳葉刀」!AI一張照片看穿你的真實(shí)年齡
你有沒有發(fā)現(xiàn),有些人看起來就是比其他人更老。
臉,不僅僅是我們的門面,還是一個人的「健康快照」,更是一張映射身體狀態(tài)的「體檢報(bào)告」。
最近的一項(xiàng)研究發(fā)現(xiàn)這其中還藏著更深的秘密,這項(xiàng)研究登上《柳葉刀數(shù)字健康》:Mass General Brigham團(tuán)隊(duì)用AI訓(xùn)練出一個模型FaceAge,從人臉照片里預(yù)測癌癥患者的真實(shí)「生物年齡」以提供建議輔助治療。
結(jié)果驚呆了他們:
- 「看起來」比實(shí)際年齡年輕的人,治療效果更好。
- 而那些被AI認(rèn)為「老了」的人,更可能病情惡化甚至死亡。
論文地址:
https://www.thelancet.com/action/showPdf?pii=S2589-7500%2825%2900042-1
身份證上那串?dāng)?shù)字只是參考,真正的年齡寫在「臉部膠原蛋白的出勤率」里。FaceAge通過看你的臉部照片來預(yù)測你真正的「生物年齡」。
FaceAge是在一個包含超過56,000張60歲及以上人群的圖像數(shù)據(jù)庫上訓(xùn)練的。這些圖像主要來自維基百科和電影數(shù)據(jù)庫IMDB。
然后,研究人員要求它僅通過照片來評估研究其他參與者的年齡,其中大多數(shù)參與者患有癌癥。
結(jié)果讓人震驚,AI已經(jīng)能「看臉斷生死」了!
這不是玄學(xué) AI能看出你臉頰凹陷、法令紋……
人的生物學(xué)年齡估計(jì)與他們的身體健康狀況密切相關(guān),這可能反映了他們在某些治療方案下的生存能力。
未來,面部年齡分析可能比單純年齡更有助于醫(yī)生在患者的治療方面做出艱難的決定。
傳統(tǒng)的衰老測試要驗(yàn)血、測唾液、搞分子生物學(xué),而FaceAge只需要一張照片!
經(jīng)過訓(xùn)練后的FaceAge關(guān)注的并不是你有沒有皺紋、白頭發(fā)或者臉色如何,而是:
- 太陽穴是否凹陷(代表肌肉流失)
- 嘴邊皮膚褶皺是否明顯(反映組織彈性)
- 面部線條是否下垂(象征整體健康)
馬薩諸塞州總醫(yī)院的放射腫瘤學(xué)家Raymond H. Mak博士參與了這項(xiàng)研究,他表示,醫(yī)生有一天可能會使用FaceAge來根據(jù)患者的估計(jì)生物年齡決定是否提供不同的治療。
不過目前FaceAge存在一個很大局限,因?yàn)樗挠?xùn)練數(shù)據(jù)主要是白人面孔,而且也不清楚整容、化妝、光線和面部角度等因素在多大程度上會影響結(jié)果。
69歲阿姨「抗癌不倒」,全靠臉看著比年輕10歲
一位名叫Toni Feather的69歲發(fā)型師,正在接受肺癌治療。
醫(yī)生通過FaceAge一測,發(fā)現(xiàn)她的臉部狀態(tài)居然「年輕10歲」,也就是69歲的人,看起來只有59歲!
這代表的不只是「凍齡」,AI認(rèn)為她身體的「生物彈性」很強(qiáng),因此能挺過手術(shù)+化療+放療的連環(huán)暴擊,現(xiàn)在還能每周照常給顧客做頭發(fā),照常帶孫子不誤。
從面部照片估算生物年齡
由于不同人衰老的速度不一樣,人的外貌相比實(shí)際年齡,更能可靠地反映其生物年齡和身體健康狀況。
但是,在醫(yī)學(xué)領(lǐng)域中,「以貌取人」通常是主觀且缺乏量化標(biāo)準(zhǔn)的,無法應(yīng)用于醫(yī)學(xué)診斷。
該研究旨在開發(fā)并驗(yàn)證一套名為FaceAge的深度學(xué)習(xí)系統(tǒng),利用簡單、低成本的人臉照片來估算生物年齡。
研究方法
FaceAge 的訓(xùn)練數(shù)據(jù)來自58,851名年齡在60歲及以上、被認(rèn)為是健康的個體:其中56,304人來自IMDb–Wiki數(shù)據(jù)集(用于訓(xùn)練),2,547人來自UTKFace數(shù)據(jù)集(用于初步驗(yàn)證)。
FaceAge算法以一張人臉照片作為輸入。
首先,卷積神經(jīng)網(wǎng)絡(luò)會在照片中定位人臉;接著,另一套卷積神經(jīng)網(wǎng)絡(luò)提取人臉特征,并基于這些特征預(yù)測該人的FaceAge(面部年齡)。
FaceAge算法是在一個包含56,304名被認(rèn)為健康的個體的訓(xùn)練數(shù)據(jù)集上開發(fā)的,這些人主要包括政界人士、演員及其他知名人物。
假設(shè)這些人的健康狀況處于平均水平,也就是說,他們的生理年齡與實(shí)際年齡基本一致。
為了提高與臨床腫瘤人群年齡范圍相符的數(shù)據(jù)質(zhì)量,對該數(shù)據(jù)集中年齡在60歲及以上的個體進(jìn)行了人工篩選。
隨后,研究使用了三個獨(dú)立的癌癥患者隊(duì)列,這些隊(duì)列涵蓋了廣泛的患者類型,用于評估該算法在臨床中的相關(guān)性。所有患者在接受放療前都按照常規(guī)流程拍攝了面部照片。
在來自荷蘭和美國兩個機(jī)構(gòu)、共計(jì)6,196名癌癥患者的數(shù)據(jù)上評估了FaceAge的臨床應(yīng)用價(jià)值,這些數(shù)據(jù)來自MAASTRO、Harvard Thoracic和Harvard Palliative三個隊(duì)列。
為了評估FaceAge在預(yù)測方面的效果,采用Kaplan–Meier生存分析和Cox模型,并對多個臨床變量進(jìn)行了調(diào)整。
還在接受姑息治療的晚期癌癥患者中測試了將FaceAge納入臨床預(yù)測模型后的表現(xiàn)。
此外,為了探究FaceAge是否具有作為分子衰老生物標(biāo)志物的潛力,還進(jìn)行了基因分析,評估其與衰老相關(guān)基因之間的關(guān)聯(lián)性。
研究結(jié)果
FaceAge在多種類型和不同階段的癌癥中都表現(xiàn)出了顯著且獨(dú)立的預(yù)測能力。
上圖是FaceAge在多個癌癥隊(duì)列中的預(yù)后表現(xiàn)。
圖中(A) 表示僅使用人臉照片作為輸入的FaceAge預(yù)測結(jié)果的Kaplan–Meier生存分析。
可以看到FaceAge越大,長期生存概率越低。
圖中(B) 按FaceAge風(fēng)險(xiǎn)分組繪制的森林圖。
展示了不同F(xiàn)aceAge分組與死亡風(fēng)險(xiǎn)(HR,危險(xiǎn)比)之間的關(guān)系,通過單變量分析(Univariate)和多變量分析(Multivariate)分別進(jìn)行了評估。
所有分組與參考組相比,差異均具有高度統(tǒng)計(jì)學(xué)顯著性。
在校正了其他變量(如年齡、性別等)后重新評估 FaceAge 的影響,表明在控制其他因素后,高FaceAge仍然是死亡風(fēng)險(xiǎn)增加的獨(dú)立預(yù)測因子,尤其是FaceAge超過75歲的群體。
圖中(C) 將FaceAge作為連續(xù)變量分析的森林圖,涵蓋所有患者以及四個最多見的腫瘤部位。
簡單來說,不管癌癥種類或分期怎樣復(fù)雜,只要用FaceAge看一眼病人的臉,就能提前判斷Ta的生存風(fēng)險(xiǎn),比只看常規(guī)指標(biāo)更靠譜。
外貌看起來更老與較差的總體生存率相關(guān),在調(diào)整其他變量后,每增加十歲外貌年齡,全癌癥隊(duì)列中的風(fēng)險(xiǎn)比為1.151,p=0.013;胸部癌癥隊(duì)列為1.148,p=0.011;姑息治療隊(duì)列為1.117,p=0.021。
如何理解這些數(shù)據(jù)?風(fēng)險(xiǎn)比指的是同樣的隨訪時間里,實(shí)驗(yàn)組與對照組的相對事件發(fā)生速率。HR?=?1 表示風(fēng)險(xiǎn)相同;HR?>?1 表示實(shí)驗(yàn)組風(fēng)險(xiǎn)更高;HR?<?1 表示更低。
以全癌癥實(shí)驗(yàn)組為例,同齡人里如果你臉上「顯老」10?歲,死亡風(fēng)險(xiǎn)大約多出11–15?%,這個事件只有1.3?%的概率是巧合,所以幾乎可確定「顯老」是真的有影響。
總體而言,癌癥患者的外貌平均比其實(shí)際年齡老了4.79歲(與非癌對照組相比,p<0.0001)。
此外,為了評估癌癥類型和生活方式因素對FaceAge預(yù)測結(jié)果的影響,還比較了FaceAge與實(shí)際年齡在不同癌癥類型、吸煙史、BMI以及ECOG身體功能評分下的差異(見上圖)。
研究發(fā)現(xiàn),癌癥患者的FaceAge顯著高于其實(shí)際年齡。這一趨勢在各類癌癥中表現(xiàn)一致,并與推測為健康人群的結(jié)果形成鮮明對比。
首先,在UTK驗(yàn)證數(shù)據(jù)集中(推測為健康個體),F(xiàn)aceAge與實(shí)際年齡之間的差距明顯較小,相比癌癥隊(duì)列差異顯著,說明一般人群的面貌更接近其實(shí)際年齡,這與預(yù)期一致。
還分析了接受良性疾病治療的患者以及原位導(dǎo)管癌患者的面部數(shù)據(jù)。
結(jié)果顯示,非癌癥患者的FaceAge與實(shí)際年齡之間的差距明顯小于癌癥患者群體,其中良性疾病患者的FaceAge與實(shí)際年齡最為接近,原位導(dǎo)管癌患者的FaceAge居中。
為評估生活方式因素的影響,在MAASTRO隊(duì)列中比較了當(dāng)前吸煙者、既往吸煙者和從不吸煙者的FaceAge與實(shí)際年齡之間的差異。
結(jié)果顯示,當(dāng)前吸煙者看起來明顯更老(平均增加33.24個月,果然吸煙有害身體狗頭),這種趨勢在不同癌癥類型中一致。
在分析BMI對FaceAge與實(shí)際年齡差值的影響時,雖然統(tǒng)計(jì)上存在顯著關(guān)聯(lián),但效應(yīng)量很小,說明FaceAge與BMI之間的關(guān)系較弱(看來胖點(diǎn)不會影響)。
研究結(jié)論
研究結(jié)果表明,F(xiàn)aceAge深度學(xué)習(xí)模型可以通過人臉照片估算生物年齡,并在癌癥患者的生存預(yù)測中發(fā)揮重要作用。
未來還需要在更大規(guī)模的癌癥患者隊(duì)列中進(jìn)行驗(yàn)證研究,以確認(rèn)這些發(fā)現(xiàn)是否適用于其他疾病人群。
如果進(jìn)一步驗(yàn)證成功,F(xiàn)aceAge這類技術(shù)有望將患者的外貌轉(zhuǎn)化為客觀、量化且具有臨床意義的評估指標(biāo)。
研究者表示,這種AI工具未來可能成為醫(yī)生的好助手,比如當(dāng)醫(yī)生看到一名新的患者時:
你可能才60歲,但AI說你臉上寫著75,那治療方案可能要保守點(diǎn)。
當(dāng)然,AI并不會取代醫(yī)生判斷,但有了它,醫(yī)生診斷患者時就多了一雙「看透真實(shí)年齡的X光」眼。
但別高興太早 AI「看臉」也有風(fēng)險(xiǎn)!
目前FaceAge并不是「萬能的」,還有不少限制:
- 訓(xùn)練數(shù)據(jù)以白人面孔為主,對深色膚色人群準(zhǔn)確性存疑
- 整形手術(shù)、化妝、燈光、拍照角度……都有可能影響結(jié)果
- 不清楚它是否能識別「逆齡」?fàn)顟B(tài)(比如你最近減肥、戒煙了)
而更令人擔(dān)心的是,有醫(yī)學(xué)倫理專家警告,F(xiàn)aceAge如果真的有效,可能會被用作「非法」用途:
這個工具會不會被保險(xiǎn)公司拿去「挑客人」?臉上寫著「老」,那好,保費(fèi)翻倍!
并且有專家潑冷水,F(xiàn)aceAge離實(shí)際臨床使用還有段距離,來自哥倫比亞大學(xué)的流行病學(xué)家Belsky表示:
FaceAge雖然酷炫,但和現(xiàn)有的生物年齡檢測工具比,準(zhǔn)不準(zhǔn)、便不便宜、能不能大規(guī)模用,都還是個問號。
畢竟從論文到醫(yī)生門診,還有很長一段路。
但是FaceAge的意義在于告訴我們臉上的每一條線,都可能是健康的伏筆。
FaceAge的出現(xiàn),為「以貌取人」帶來了數(shù)據(jù)支撐,也為精細(xì)化醫(yī)療鋪開了新的想象空間。
AI不再只是幫你修圖、換臉、合成照,現(xiàn)在它還能告訴你——你是不是「超齡使用」了身體,并且在你遇到重大健康問題時,提供有效的醫(yī)療建議。
這也許才是AI技術(shù)進(jìn)步的意義。