一张自拍就能看出你还能活多久？AI这次盯上的地方比皱纹更可怕

我们每天上传到社交平台的自拍照，究竟包含多少自己都不知道的信息？

这些照片来自公开的人脸识别数据集，包含约200万人的4200万张网络人脸图像。研究人员并没有一开始就教AI判断疾病，而是先让它熟悉人脸的基本结构。

这种训练方法有点像拼图。研究人员随机遮住照片中约75%的区域，只留下少量面部信息，再让AI根据剩下的部分，尝试还原完整的照片。经过反复练习，AI逐渐学会了识别人脸的结构，以及不同五官之间的联系。

有了这个基础，研究人员开发出两套模型。一套用超过74万张带有年龄信息的照片训练，学习判断一个人看上去有多大；另一套则用34363张癌症患者的面部照片及生存资料训练，寻找面部特征与死亡风险之间的联系。

具体来说，就是让AI反复观察患者的照片，再将照片与患者后来的生存情况对应起来，从中寻找可能存在的规律。完成训练后，研究人员又找来3820名患者进行测试，并用另外4892名荷兰癌症患者的数据进行验证。

两套模型虽然都在研究人脸，关注的地方却不太一样。

当任务是判断年龄时，AI主要关注额头、太阳穴、法令纹等部位。这倒不难理解，毕竟随着年龄增长，皱纹和面部轮廓都会发生变化。可一旦任务换成评估死亡风险，AI的注意力却转移到了眼睛下方和鼻梁附近。

AI预测生存风险（左）和年龄（右）时的“注意力图”，颜色越亮代表AI越关注该区域丨Mass General Brigham

以前相面讲究“天庭饱满、地阁方圆”，现在AI看脸，却盯上了许多人拍照时最想修掉的眼下区域。

为什么偏偏是这里？研究人员目前也没有确切答案。是眼袋、皱纹、色斑，还是皮肤的质地？研究负责人之一、放射肿瘤科医生雷蒙德·麦解释，注意力图只能告诉研究人员AI更关注哪些区域，却无法直接说明它究竟识别出了什么。

不过，这个发现倒让人想起了一个两千多年前的医学概念。

希波克拉底——最早从面容上看出"死亡"的人

古希腊医生希波克拉底曾经描述过一种特殊的危重病人面容，后来被称为“希波克拉底面容”。一些病情严重、身体极度衰弱的患者，会出现眼窝深陷、太阳穴凹陷、鼻子尖削、面色苍白等变化。古代医生会根据这些外貌特征，判断患者的病情是否危重。

有意思的是，如今AI关注的眼睛下方和鼻梁附近，恰好与其中部分区域有所重合。但这种相似还不能说明，AI识别的就是希波克拉底描述的那些特征。一个人长期熬夜、身体疲惫，眼周也可能出现明显变化；一些病情严重的人，则可能因为消瘦、肌肉流失等原因，出现眼窝凹陷等表现。

因此，模型关注眼睛下方，并不意味着眼袋大、黑眼圈重的人就更容易死亡。

更值得注意的是，面部年龄模型和生存风险模型的判断结果只有较弱的相关性。一个人看起来衰老，不一定就是AI眼中的高死亡风险患者。研究人员将两套模型的结果结合起来，反而获得了更好的预测表现。

这说明同一张脸上，AI可能识别出了两类不同、又能互相补充的信息。只是直到今天，AI究竟从这些面孔中看到了什么，仍然是一个有待解答的问题。

雷蒙德·麦曾经接诊过一位86岁的肺癌患者。

老人已经高龄，按通常理解，身体可能很难承受太过激进的癌症治疗。但雷蒙德·麦注意到，这位患者看起来比实际年龄年轻不少，整体状态也不错。这一印象成为他建议老人接受更积极治疗的考虑因素之一。

几年后，该患者已经90岁，身体状况依然不错。后来，研究人员用AI重新分析老人当年的照片，发现模型估计出的面部年龄，竟然比实际年龄小了整整10岁。

对普通人来说，“看着年轻10岁”可能是一句让人开心的夸奖。但在医生眼里，这种差别有时与患者能否承受治疗有关。

雷蒙德·麦曾介绍，医学院训练医生时，就会要求他们走进病房，先观察患者，凭第一印象判断这个人有多健康、多虚弱，病情究竟有多严重。这种观察与医学上的一个重要概念有关，叫作“生理储备能力”。简单来说，就是身体遭受疾病或治疗的打击时，还剩下多少承受和恢复的余地。

同样是70岁，有的人每天还能买菜、爬楼、遛狗，有的人却已经行动困难，稍微活动一下就气喘吁吁。尽管年龄一样，两个人对疾病和治疗的承受能力却可能相差很大。对癌症患者来说，这种差异尤其重要。放疗、化疗和手术都可能给身体带来额外负担，医生制定治疗方案时，除了肿瘤类型和分期，还需要判断患者的整体身体状况。但这种判断难免受到个人经验影响。研究人员希望借助AI，把这种带有主观性的观察转化成更容易量化、比较的指标。

于是，他们开始研究一个看似简单的问题：一个人究竟比实际年龄显老多少？

在公开测试数据集上，面部年龄模型估算年龄的平均误差约为5.1岁。听起来不算特别精准，但研究人员真正关心的是，当一个人看起来比实际年龄更老时，这种差别是否与健康有关。在癌症患者中，答案似乎是肯定的。

例如，一名60岁的患者，如果AI判断他的面部年龄为70岁，就意味着他的外貌呈现出比同龄人更明显的衰老特征。研究发现，在考虑其他临床因素后，面部年龄比实际年龄至少大5岁的患者，死亡风险相对更高，增幅约为21%；看起来比实际年龄至少年轻5岁的患者，死亡风险则相对更低。

当然，这并不意味着脸上多几条皱纹，就会少活几年。AI估计出的面部年龄，也不能直接等同于身体真实的生物学年龄。不过，一些生活习惯确实与这种面部年龄差存在联系。研究人员发现，吸烟、过量饮酒、使用某些药物或毒品等因素，都与AI判断的面部年龄偏大有关，其中吸烟的关联尤其明显。在模型的判断中，目前吸烟的人平均看起来比已经戒烟的人更老；已经戒烟的人，又比从未吸烟的人显老。

这似乎给“岁月是把杀猪刀”提供了一个科学研究的新版本。只不过，每个人挨的刀数可能不同，长期的生活习惯，也可能在脸上留下不同程度的痕迹。

只凭一张照片，AI就能识别出一批死亡风险明显更高的人。在被评为极高风险的122名患者中，超过一半在90天内去世。这样的结果，很容易让人产生一种感觉：AI仿佛提前看到了这些人的结局。

但这些数字背后，有一个容易被忽略的前提。

参与测试的3820名美国患者，来自放疗相关的临床人群。他们并非随机选取的普通人，而是已经患有癌症、需要接受医学治疗的患者。对于这些患者来说，短期死亡本身就是医生需要评估的现实风险。AI所做的，是在已经患病的人群中，进一步识别谁的死亡风险更高。

而且，AI的评分也不等于某个人的死亡概率。研究中的极高风险组，模型评分落在0.9到1之间，但这不意味着患者有90%至100%的死亡概率。即使在那122名极高风险患者中，也有58人在拍照后的90天内没有去世。在调整年龄、性别、癌症类型等因素后，模型评分最高的四分之一患者，死亡风险仍是评分最低的四分之一患者的3.23倍。这说明AI确实捕捉到了具有预测价值的统计信号，但它无法告诉某一名患者究竟还能活多久。

更重要的是，研究尚未充分证明，AI比经验丰富的医生更擅长判断患者的健康状况，或者能够在现有临床评估之外增加多少有用信息。假设两名病情相近的癌症患者，医生原本都认为他们适合接受某项治疗。AI却因为其中一人的面部特征，将其评为高死亡风险。如果医生过度相信算法，会不会因此让他错失治疗机会？

反过来，如果AI把一名实际身体状况很差的患者评为低风险，又是否可能让医生高估他的治疗承受能力？纽约大学生物伦理学家马修·廖也曾提出类似担忧：如果AI错误地把需要医疗照护的患者判断为健康，可能导致他们无法获得应有的治疗。

对普通人来说，AI能否预测癌症患者的生存风险，似乎还有些遥远。但另一件事已经与日常生活息息相关：我们每天上传的自拍照，究竟包含多少自己都不知道的信息？

研究团队已经推出面向公众的在线研究项目，参与者可以上传自己的面部照片，获得AI估算的面部年龄结果。研究人员强调，这些结果仅用于研究，不能用于医学诊断。事实上，尝试从人脸照片中寻找健康线索的，也不只有这一支团队。

2020年，中国医学科学院阜外医院、清华大学等机构的研究人员就曾尝试通过面部照片识别冠心病。今年2月，丹麦研究人员还发布了一项预印本研究，探索通过急诊患者的手机照片识别死亡风险。这些研究的对象、方法和证据强度并不相同，但它们都指向了一个值得关注的方向：一张普通的人脸照片，可能包含比身份信息更丰富的健康线索。

现阶段的医学AI还无法通过一张自拍判断健康人的死亡风险，也没有证据表明如今的AI相面平台具备这样的能力。但随着人脸分析技术的发展，照片被用于何种目的、平台是否获得充分授权，已经是需要认真面对的隐私问题。

毕竟，一个人看起来憔悴，可能只是昨晚没睡好；看起来比同龄人苍老，也可能有复杂的生活和遗传因素。即使AI发现了统计上的健康关联，也不意味着这种判断可以决定一个人获得怎样的机会和待遇。