哈佛大学开发了一种新的人工智能模型，名为FaceAge，通过分析照片中的面部特征来估计生物年龄——并可能通过指示患者看起来与实际年龄相比有多老来帮助预测癌症生存率。
FaceAge在58,851名健康人群的图像上进行训练，随后在癌症患者身上进行测试，以探讨看起来比实际年龄更大的患者是否可能预示着较差的健康结果。
报告指出：“我们发现，癌症患者的平均外貌看起来比他们的实际年龄更大，而看起来更老与整体生存率较差相关。” “FaceAge在多种癌症类型和阶段中表现出显著的独立预后性能。”
实际年龄是指一个人活了多少年，而生物年龄则反映了他们的身体相对于这个数字的功能状态好坏。根据哈佛研究人员的说法，一个人的外貌可能提供有效的生物标志物来确定他们的生物年龄。
FaceAge建立在苏黎世联邦理工学院的早期工作基础上，研究人员创建了Deep EXpectations（DEX），这是一个开源深度学习模型，用于从面部图像中估计表观年龄。哈佛团队还使用来自IMDB-WIKI和UTKFace的图像训练FaceAge，这两个数据集是最大的公开面部图像数据集。
自2006年以来，哈佛大学投入了大量资源来理解和逆转生物老化。最近，该大学扩大了对以人工智能驱动的研究的投资，专注于诊断和治疗癌症，这两个领域正日益融合。
在2024年10月，哈佛医学院的开发者推出了一种新的人工智能模型，称为临床组织病理学影像评估基础（CHIEF）。当时，研究人员指出，该人工智能在癌症检测中的准确率达到了96%，超越了之前测试的模型。
虽然FaceAge的研究集中在生物年龄和癌症上，但研究人员表示，这可能会导致更广泛的应用。
哈佛研究人员表示：“这些发现可能扩展到癌症以外的疾病，激励使用深度学习算法将患者的视觉外观转化为客观、定量和临床有用的指标。”
FaceAge是医学专家日益关注生物年龄的最新工具，利用面部分析识别衰退的早期迹象，并将护理转向预防，而不仅仅是治疗。
根据斯坦福大学深度学习兼职教授、技能智能公司Workera创始人Kian Katanforoosh等专家的说法，生物年龄研究中向人工智能的转变是为了克服人类的局限性。
Katanforoosh对Decrypt表示：“人工智能分析面部的成千上万的特征，寻找大多数人并不自觉注意的东西，并找到与生物老化相关的模式。” “这类似于早期深度学习模型在检测照片中的猫时比人类更出色。它们没有使用直觉，而是通过数百万个例子进行训练，学习统计上相一致的内容。”
“人类是有偏见和不一致的，”他补充道。“人工智能在我们无法匹敌的规模上进行系统性训练。”
免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。
