「我看你印堂發黑，恐有血光之災。」以往如果聽到這句話，大家的第一反應多半是：這是哪裡來的江湖術士？現在好了，AI把這套「相面術」學會了。而且它不跟你聊財運、不扯姻緣，上來直接難度拉滿：只憑一張臉，預測癌症患者的死亡風險。

10月19日，國際權威醫學期刊《刺針：數碼健康》（The Lancet Digital Health）發表了一項重磅研究，引發醫學界高度關注。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、麻省總醫院布萊根醫療系統（Mass General Brigham）等機構聯手完成。團隊配置很跨界：一邊是放射治療醫生雷蒙德·麥克（Raymond H. Mak）與醫學人工智能專家雨果·埃爾茨（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、卻常常被忽略的數據源：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，團隊利用了逾4,000萬張面部圖像預訓練視覺Transformer架構，並採用了一種叫「遮罩自動編碼器」（Masked Autoencoders, MAE；大陸稱掩碼自編碼器）的自監督訓練法。訓練時，系統會隨機遮住照片中約 75% 的區域，逼着 AI 根據剩下的那點訊息，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：

1. FAHR-FaceAge：看臉估算年齡，研究面部衰老與生存結局的關係。
2. FAHR-FaceSurvival：直接看癌症患者的臉，預測生存風險。

【延伸閱讀】神人復刻《蜘蛛俠》綠魔滑板載人升空　曾爆燃起火　靠AI助攻圓夢（點擊連結看原文）

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。

1. 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。但光會算年齡沒什麼稀奇的。團隊真正想搞明白的是：臉上的衰老特徵，是不是還藏着跟健康、甚至生死有關的密碼？

2. 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。其實這裏的AI並沒有透視眼，看不到體內的癌細胞。它純粹是在海量數據裏做統計：到底長成什麼樣的人，死亡風險更高？

那這規律到底藏在臉上的哪兒？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哪兒（顏色亮的地方就是AI重點關注的）。

結果發現，這兩個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。這很符合我們人類的直覺，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，為什麼看生死要盯着眼底和中面部看？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，患者很容易出現極微細的面部脂肪流失、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靠着背後幾萬人的生死數據，敏鋭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，裏面包含的訊息，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，筆者也是熱血沸騰，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裏。目前，他們已經啟動了FaceAge Research Study公開項目，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數據。

為什麼要拉普通人參與？因為AI最怕「偏科」。現有的模型可能在某些特定人群裏很準，但換個膚色、換個年齡段，效果未必一樣。只有把數據餵得足夠雜、足夠廣，它才有可能成為真正通用的工具。從臨牀角度看，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設備，有個手機就能拍。未來在基層診所、居家養老甚至遠程醫療裏，定期拍張臉，或許就能幫醫護人員揪出值得警惕的異常信號。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」，中間還隔着幾座大山。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，筆者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、可以比較的數據。一張臉裏究竟藏着多少健康的秘密？AI也許才剛剛掀開冰山一角。這無疑是一個極具想象力的開端。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訊息的利器，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。

【本文獲「科技狐」授權轉載，微信公眾號：kejihutv】