AI

Mass General Brigham的AI通过面部照片预测癌症生存风险

研究人员设计出基础模型FAHR-FaceAge和FAHR-FaceSurvival,仅凭一张数码照片即可评估生物学衰弱程度和患者死亡率

作者: Giovanni Sapere
阅读约3分钟由人工智能辅助撰写 · 审校与批准:Letizia Giugliano

分享LinkedInFacebookX

Mass General Brigham的AI通过面部照片预测癌症生存风险
Photo: engin akyurt / Unsplash

Mass General Brigham癌症研究所的科学家开发出一种人工智能(AI)工具,仅凭一张面部照片,就能预测患者的生物学年龄和癌症治疗的生存几率。这项临床突破为肿瘤科医生提供了一种非侵入性方法,可在安排放疗、全身治疗或手术等激进干预之前评估患者的身体储备。该项目发表于The Lancet Digital Health,显示出数字面部生物标志物无需繁重的临床检查,即可衡量患者的衰弱程度。

从面部像素到临床生物标志物

传统上,判断患者能否耐受癌症治疗,依赖主观的临床判断和繁重的体能测试。为提供客观指标,研究人员创建了FAHR-Face,全称为用于健康识别的基础人工智能(Foundation Artificial Intelligence for Health Recognition),New Atlas对此作了报道。这一自监督机器学习模型使用掩码自编码器,在超过4,200万张人脸照片上进行训练,让系统学会重建被遮挡的特征,并捕捉与总体健康相关的结构信息。

“据我们所知,这是首次证明AI模型可以直接从一张简单的照片预测癌症生存情况。”

— Hugo Aerts博士,Mass General Brigham医学AI项目主任

两种算法,分别预测年龄与生存

研究人员把核心架构微调为两种互补的诊断工具:FAHR-FaceAge和FAHR-FaceSurvival。据New Atlas报道的数据,FAHR-FaceAge计算的是生理衰老程度,而非实际年龄,平均误差为5.1岁。关键在于,该模型对化妆、眼镜、光照变化和面部提升手术等干扰因素保持稳健,仅在接受过隆鼻术的受试者中出现轻微偏差。看起来比实际年龄大5岁或以上的患者,死亡风险高出21%,而看起来年轻5岁的患者,生存率高出17%。

描绘癌症治疗期间的死亡风险

研究在3.4万多名接受放疗的癌症患者的面部图像上评估了这一生存预测工具,随后在近4,000人和5,000人的验证队列中进行了验证。据New Atlas报道,FAHR-FaceSurvival成功区分了风险层级:被划入最高死亡率类别的患者,死亡率是最低档患者的三倍以上。在最高风险群体中,52%的患者在90天内死亡,而最低风险组仅为2.1%。热图显示,FAHR-FaceSurvival分析的是眼睛下方和鼻梁一带的区域,而FAHR-FaceAge主要关注太阳穴、鼻唇沟和眼眶上方的额头。

临床整合与公众评估

通过从消费级照片中提取生理信号,这项创新可以帮助肿瘤科医生为衰弱的个体调整放射剂量或选择毒性较小的替代方案。共同资深作者Hugo Aerts和放射肿瘤学家Raymond Mak指出,基础模型的结构使团队无需从零开始构建每一个神经网络,就能开发专门的诊断标志物。研究人员已开放扩大的在线试验供公众评估,临床团队则正在筹备进一步评估,以确定这种自动化视觉生物标志物如何安全地融入临床肿瘤学工作流程,New Atlas对此有记录。

另请阅读The Patent:实验室培育的神经元解读盲文并操控机器狗

由英文原文自动翻译. 阅读原文

The Patent ® 编辑部的文章,借助人工智能,依据编辑部选定的来源撰写。审校、更正及批准发布:Letizia Giugliano。责任出版方:WitUp Ltd。