哈佛大學的“FaceAge”人工智能將癌症生存與照片中的年齡聯繫起來

哈佛大學開發的新型人工智能模型 臉部年齡 估計生物通過分析照片中的面部特徵來確定患者的年齡，並可能通過顯示患者相對於實際年齡的外表年齡來幫助預測癌症存活率。

通過 58,851 名健康人的圖像進行訓練，FaceAge後來在癌症患者身上進行了測試，以探索看起來比實際年齡大是否預示著健康狀況較差。

報告稱：“我們發現，癌症患者平均看起來比實際年齡要老，而看起來年齡越大，總體生存率就越低。FaceAge 在多種癌症類型和分期中都表現出顯著的獨立預後性能。”

生理年齡指的是一個人已經活了多少年，而生理年齡則反映的是其身體機能相對於實際年齡的優劣。 哈佛大學的研究人員發現，一個人的外貌或許可以提供有效的生物標記來確定其生理年齡。

FaceAge 以蘇黎世聯邦理工學院的早期研究為基礎，該校的研究人員創建了 DEEP EXpectations（去中心化交易所)，這是一個開源的深度學習模型，可以通過面部圖像估算年齡。 哈佛團隊還使用以下圖像訓練了 FaceAge：IMDB-WIKI 和 UTKFace，兩個最大的公開面部圖像數據集。

自 2006 年以來，哈佛大學投入了大量資源來理解和倒車生物衰老。 最近，該大學擴大了對人工智能驅動的研究的投資，重點是診斷和治療癌症等領域正日益融合。

2024 年 10 月，哈佛醫學院的開發人員推出了一種新的 AI 模型，稱為臨床組織病理學影像評估基金會 (首席）。 當時，研究人員指出，該人工智能在癌症檢測方面的準確率高達 96%，優於之前測試的模型。

雖然 FaceAge 的研究主要集中於生物年齡和癌症，但研究人員表示，它可能帶來更廣泛的應用。

哈佛大學的研究人員表示：“這些發現可能擴展到癌症以外的疾病，促使人們使用深度學習算法將患者的視覺外觀轉化為客觀、定量和臨床有用的指標。”

FaceAge 是最新的工具越來越多的醫學專家開始關註生物年齡，利用面部分析來識別衰老的早期跡象，並將護理重點轉向預防而不僅僅是治療。

斯坦福大學深度學習兼職教授、技能智能公司 Workera 創始人 Kian Katanforoosh 等專家認為，生物年齡研究向人工智能的轉變是為了克服人類的局限性。

Katanforoosh 告訴記者：“人工智能可以分析面部的數千個特徵，找出我們大多數人沒有意識到的因素，並找到與生物衰老相關的模式。”解密“這與早期深度學習模型在照片中識別貓的能力超越人類類似。它們沒有運用直覺。它們接受了數百萬個樣本的訓練，並學習了統計上一致的特徵。”

他補充道：“人類存在偏見，而且反复無常。人工智能的系統訓練規模是我們無法比擬的。”

編輯安德魯·海沃德