10 月 19 日，頂級醫學期刊《柳葉刀·數字健康》發了一篇研究，狐妹看完後背發涼。
美國麻省總醫院布萊根醫療集團（Mass General Brigham）的團隊，開發了一套名為 FAHR-Face 的 AI 基礎模型，並在此基礎上訓練出一個直接預測癌症患者生存風險的工具。
結果有多離譜？
被 AI 判為“最高風險”的那 10% 患者，有一半（52.5%）沒撐過 90 天；而被判為“最低風險”的 10%，90 天內去世的只有 2.1%。
一張臉，真能看出一個人的生死簿？這到底是醫學奇蹟，還是賽博玄學？
為什麼非要用“看臉”來定生死？
這項研究由哈佛醫學院、麻省總醫院布列根醫療系統等機構聯手完成。
團隊配置很跨界：一邊是放療科醫生 Raymond H. Mak，另一邊是醫學 AI 項目的負責人 Hugo J. W. L. Aerts。
一個是天天跟癌症打交道的放療科醫生，一個是搞醫學 AI 的專家。
這兩人一碰頭盯上了一個極其要命的問題：醫生怎麼判斷癌症患者到底扛不扛得住治療？
要知道，治癌症不能光看腫瘤類型和分期。患者的身體底子、衰弱程度，直接決定了能不能上放療、手術或全身治療。
但問題是，這種“身體狀態”往往只能靠醫生的主觀經驗去估，很難精準量化。
於是，團隊盯上了一個零成本、人人都有、卻常常被忽略的資料來源：臉。
他們搞出了基礎模型 FAHR-Face，核心邏輯是：先讓 AI 學會“讀臉”，再教它做不同的“專科題”。
為了打好這個底子，團隊用了視覺 Transformer 架構，並採用了一種叫“掩碼自編碼器”的硬核訓練法。
訓練時，系統會隨機遮住照片中約 75% 的區域，逼著 AI 根據剩下的那點資訊，把整張臉“腦補”重建出來。
等這個“超級底座”練成，再微調出兩個具體工具：
- FAHR-FaceAge：看臉估算年齡，研究面部衰老與生存結局的關係。
- FAHR-FaceSurvival：直接看癌症患者的臉，預測生存風險。
AI 到底看到了臉上的什麼？
AI 到底是怎麼“看臉斷生死”的？其實團隊分了兩步走。
第一步，讓 AI 學會看臉算年齡。
他們開發了 FAHR-FaceAge，用 74 萬多張帶真實年齡標籤的照片訓練它。在公開測試中，它算出的年齡跟實際年齡平均只差 5.1 歲。
但光會算年齡沒啥稀奇的。
團隊真正想搞明白的是：臉上的衰老特徵，是不是還藏著跟健康、甚至生死有關的密碼？
第二步，直接讓 AI 在臉和生死之間找規律。
團隊放出了第二個大招：FAHR-FaceSurvival。他們直接用 34363 張癌症患者的照片，結合患者真實的生存結局進行訓練。
其實這裡的 AI 並沒有透視眼，看不到體內的癌細胞。它純粹是在海量資料裡做統計：到底長成啥樣的人，死亡風險更高？
那這規律到底藏在臉上的那兒？
團隊調出了 AI 的“熱力圖”（也就是下面這張圖），想看看它做判斷時到底在盯那兒（顏色亮的地方就是 AI 重點關注的）。
結果發現，這倆模型關注的地方完全不一樣：
- FAHR-FaceAge（算年齡）：盯的是額頭、太陽穴和法令紋。這很符合咱們人類的直覺，這些地方本來就是長皺紋、顯老的特徵區。
- FAHR-FaceSurvival（看生死）：視線居然往下挪了，死死鎖定在了眼底區域和鼻樑中面部。
這就很有意思了，為何看生死要盯著眼底和中面部看？
雖然熱力圖不能直接告訴我們“為什麼”，但結合醫學常識，這事兒就說得通了。
在醫學上，惡性腫瘤極其消耗身體，患者很容易出現極度微弱的面部脂肪流失、眼眶凹陷和肌肉萎縮。
這其實就是身體儲備功能下降、整體虛弱的表現。
但在日常看診中，這種“輕微的面部結構坍塌”醫生用肉眼很難一眼量化。
而 AI 靠著背後幾萬人的生死資料，敏銳地捕捉到了這些肉眼容易忽略的“憔悴感”。
那 AI 的判斷到底靠不靠譜？會不會只是瞎貓碰上死耗子？
研究團隊還進行了獨立驗證，在把年齡、性別、癌症分期這些醫生早就掌握的干擾因素全部剔除後，結果依然驚人。
AI 預測風險最高的四分之一患者，死亡風險依然是最低四分之一患者的 3.23 倍！
可見，一張普通的面部照片，裡面包含的資訊，遠比我們肉眼看到的要多得多。
離真正走進醫院，還有多遠？
寫到這，狐妹也是熱血沸騰，想知道醫院何時真能用上呢？
顯然，研究團隊也不想讓這技術只躺在論文裡。
目前，他們已經啟動了 FaceAge Research Study 公開項目（就是下面這個網站），普通人也能上傳照片獲取自己的研究結果，順便幫團隊收集更多樣化的資料。
為何要拉普通人參與？因為 AI 最怕“偏科”。
現有的模型可能在某些特定人群裡很準，但換個膚色、換個年齡段，效果未必一樣。
只有把資料喂得足夠雜、足夠廣，它才有可能成為真正通用的工具。
從臨床角度看，這事兒要是真跑通了，想像空間極大。
比如高齡癌症患者到底能不能扛住高強度治療，一直是醫生很頭疼的評估難題。
如果一張面部照片就能提供額外的風險線索，可以說這一定程度上讓高齡患者“免受罪”，也是這項研究的初衷所在。
醫學 AI 專家 Hugo Aerts 教授看得更遠：未來這套技術，未必只能用在癌症上。
畢竟一張照片不需要什麼昂貴裝置，有個手機就能拍。
未來在基層診所、居家養老甚至遠端醫療裡，定期拍張臉，或許就能幫醫護人員揪出值得警惕的異常訊號。
對化療患者來說，連續的面部記錄，也能讓醫生動態觀察他身體狀態的變化。
不過，從“能預測”到“真有用”，中間還隔著幾座大山。
AI 雖然找出了面部特徵和生存結局的關聯，但還解釋不清背後的生理機制。
此外，除了給到一個分數外，能不能在醫生已有的診斷之外提供額外價值？這些都需要更大規模、跨醫院的真實測試。
再說到，如果 AI 給患者打了個“高風險”標籤，醫生該怎麼用這個結果？
如果只是提醒醫生多關注、早干預，那絕對是好工具。
但如果一個尚未完全成熟的風險評分，反手成了給患者“判死刑”、勸退治療的理由，那就徹底背離了技術輔助的初衷。
回頭看這項研究，狐妹覺得最迷人的地方不是 AI 會“算命”，而是它試圖把過去玄乎其玄的“身體虛弱程度”，變成一種可以量化、可以比較的資料。
一張臉裡究竟藏著多少健康的秘密？AI 也許才剛剛掀開冰山一角。
這無疑是一個極具想像力的開端。但技術越強大，邊界就必須越清晰。
它可以成為輔助醫生看見更多資訊的利器，但永遠不能取代醫生，成為決定命運的最終裁決者。
畢竟，醫學的底色，終究是人的溫度。(科技狐)