一张脸的照片，AI 分出的死亡风险差 3 倍

一张普通照片能不能看出健康状况？《柳叶刀·数字健康》2026 年 10 月 19 日在线发表的 FAHR-Face 研究给出的答案是：能分出一群人里的风险高低，换不成"这个人还能活多久"。模型评分最高的四分之一癌症病人，死亡风险是评分最低四分之一的 3.23 倍，这是把年龄、性别、种族、癌种、治疗目的和放疗技术都校正进去之后的结果。

它拿到的也不是年龄。模型算出来的面相年龄和实际年龄只有 0.16 的弱相关，意思是这个数字里装的主要是年龄之外的东西。

4000 万张脸先学长相，3 万张照片学结局

做这项研究的是哈佛医学院和 Mass General Brigham 放疗科的团队，分两步走。

第一步，用公开人脸库 WebFace42M 里 4000 多万张没有任何标注的照片做自监督训练，让模型先学会人脸是怎么构成的：哪里是眼窝，哪里是法令纹，换个角度和光线还是同一张脸。这一步完全不涉及疾病信息。

第二步，在这套通用参数上分出两条路微调。FAHR-FaceAge 用 10 个公开的人脸年龄数据集训练，估生物学年龄；FAHR-FaceSurvival 用 34 363 张癌症病人的留档照片训练，直接学这张脸对应的生存结局。

为什么要先用 4000 万张照片做预训练？因为带生存结局的临床照片永远凑不够。3 万多张听起来不少，可要从零学会"人脸长什么样"远远不够。先用海量无标注照片把通用的人脸表征学好，再用有限的临床数据微调，这正是基础模型路线解决的问题。

前一代模型 FaceAge 的训练人群以 60 岁以上白人为主，推到年轻人和其他族群身上就容易以偏概全。这一代在 0 到 116 岁的全年龄段做了年龄均衡微调，白人、黑人、亚裔、西班牙裔的估计值与真实年龄的相关系数分别是 0.86、0.81、0.86、0.91。

年龄估得有多准？在公开数据集 APPA-REAL 上平均绝对误差 5.1 年；同一套架构从随机参数开始训练是 6.92 年。5.1 年这个误差对猜年龄来说不算小，不过这篇研究要的并不是猜准年龄。

看着老 5 岁，死亡风险高两成

研究把"面相年龄减去实际年龄"这个差值记作 FAD，在哈佛六家医院 38 183 名接受放疗的病人里做了检验，中位随访 4.3 年。

这群人的 FAD 中位数是 1.1 年。其中 12 610 人（33.0%）看着比实际年龄老 5 岁以上，6506 人（17.0%）老 10 岁以上；另一头，9267 人（24.3%）看着年轻 5 岁以上。

单因素分析里，FAD 每大 10 岁，死亡风险上升 30%（HR 1.30，95% CI 1.27–1.32）。把年龄、性别、种族、癌种、治疗目的、治疗年份和放疗技术都校正进去之后，还剩 14%（HR 1.14，1.12–1.16）。按阈值分，FAD 在 5 年以上的人，死亡风险比 5 年以下的高 21%（校正后 HR 1.21）；FAD 在 −5 年以下，即看着比岁数年轻的人，低 17%（0.83）。

短期死亡的差距更看得出来。FAD 超过 20 年的 1060 人里，90 天内死亡 226 人，占 21.3%；FAD 在 −10 年以下的 4195 人里，90 天内死亡 270 人，占 6.4%。

为什么脸上会写着短期风险

面部的皮下脂肪、颞部肌肉、皮肤弹性和体液分布，同时受慢性炎症、营养摄入、肌肉合成速度、吸烟和激素水平的影响，而这几项也正是决定一个病人能不能扛住手术、化疗和放疗的因素。肿瘤科判断体能状态时要看的消瘦、乏力和活动能力，本来就有一部分长在脸上。放疗科医生进门看一眼就对病人的耐受程度有个判断，凭的也是同一组线索，只是从前没人把它量化过。

研究顺带查了生活方式。重度饮酒和使用成瘾药物都对应 FAD 偏大，关联最强的是吸烟，而且呈剂量关系：当前吸烟者大于已戒烟者，大于从不吸烟者；终生暴露量越大 FAD 越大。吸烟相关癌种和非吸烟相关癌种里，方向都一样。

同一个底座，两个模型看的不是同一块地方

研究把两个模型的注意力图画了出来。FAHR-FaceSurvival 的注意力集中在眼睛下方和鼻梁一带；FAHR-FaceAge 落在法令纹、前额和颞部也就是太阳穴附近。

这个分工和临床观察对得上。颞部凹陷、法令纹加深反映的是皮下脂肪和颞肌随年龄减少，属于衰老的痕迹；眼下和鼻梁一带的改变更多和体液分布、眼窝脂肪垫以及面色相关，临床上形容病情危重的病人时，描述的也是这几处。

两个模型用的是同一套预训练参数，输出却几乎不重叠。FAD 和 FaceSurvival 评分的相关系数只有 0.22，外部验证队列里 0.16，特征空间的余弦相似度中位数是 −0.018。把两个指标同时放进 Cox 模型，各自都还显著（校正后 FAD 的 HR 1.07，FaceSurvival 每 0.1 个单位 HR 1.08），合并模型的 AIC 从 26602 和 26563 降到 26560，拟合更好。

注意力图能说明的也就到这里：它标出了模型看的是哪块皮肤，没有告诉我们那块皮肤上究竟发生了什么生物学变化，这一层目前仍是知其然、不知其所以然。要往下走，得把面部指标和同一批人血里的炎症、营养、细胞衰老标志物对照起来测。下面这张注意力图来自原文的 Fig. 3C，左边是面相年龄模型，右边是风险评分模型。

3.23 倍和 0.57，哪个数字更能说明问题

FaceSurvival 评分本身和病情轻重对得上：良性病变或原位癌的中位评分 0.13，非转移癌 0.25，转移癌 0.45。

按四档分，以评分低于 0.25 为参照，0.25 到 0.49 这一档校正后死亡风险 1.58 倍（1.36–1.84），0.50 到 0.74 是 2.24 倍（1.91–2.63），0.75 以上是 3.23 倍（2.70–3.86）。

单因素分析里最高档的风险是 8.75 倍，校正之后掉到 3.23 倍。从 8.75 掉到 3.23，说明模型看出来的东西有一多半其实是病情本身：有没有转移、长在哪个器官，多少会反映到脸上；校正之后还剩 3.23 倍，说明它确实带了常规临床变量以外的信息。按评分四档画生存曲线，测试集里 5 年生存率分别是 78.1%、57.2%、35.8% 和 17.7%。

另一面是区分度并不高。单看 FAD 的 C 指数是 0.57，前一代 FaceAge 的同类指标是 0.52。C 指数 0.5 相当于抛硬币，1.0 是完美区分，0.57 只够做粗分层。在 60 岁以上人群里预测 3 个月生存，FAHR-FaceAge 的 AUC 是 0.66，前一代 0.64，只看实际年龄 0.63。

它能在一群人里把风险排个序，排得比只看年龄略好一点；拿来推算某一个人的具体结局，远远不够。

外部验证做在荷兰马斯特里赫特的 4892 名癌症病人身上。FAD 每大 10 岁对应校正后 HR 1.13（1.06–1.20，p=0.0003），FaceSurvival 每 0.1 个单位 1.09（1.06–1.11）。在这个队列里把新旧两代指标和实际年龄一起放进模型，只有 FAD 和 FaceSurvival 还显著，前一代 FaceAge 的年龄差不再显著（HR 0.93，p=0.22）。

化妆和整容能不能把它骗过去

研究用同一个人短时间内拍的成对照片测了稳健性。眉部手术、眼睑手术、面部提升、面部骨骼手术前后的年龄估计没有统计学差异；鼻部手术之后估计值平均高 1.11 岁（p<0.0001）。化妆、拍摄角度、光照和表情都没有造成统计学差异。

对一个将来要进临床的工具来说，这组结果比准确率更要紧。病人在不同医院、不同光线下拍的照片必须给出同一个结论，否则换个房间评分就变。鼻部手术后那 1.11 岁的偏移也说明，模型确实用到了鼻部及周边的形态信息，与注意力图落在鼻梁一带相符。

这离门诊还有多远

现在还不能用在病人身上，原因研究者自己也写明了几条。

训练和验证全部来自癌症放疗病人，而且都在高收入国家的大型中心。放到非癌症人群、其他地区和样本量不足的族群里成不成立，没有数据。给健康人测面相年龄这种用法，这篇研究并不支持。

研究是回顾性的，用的是常规诊疗中留下的照片，没有前瞻试验证明医生看了这个评分、改变治疗决策之后病人结局更好。一个模型能预测结局，和它改善结局，中间要靠前瞻试验补上。

拍照条件仍然影响结果，研究者明确提出需要标准化的拍摄规范。人群偏倚也还在：按亚组看，白人和亚裔病人里 FAD 的分层效果强于黑人和西班牙裔；28 个癌种里有 18 个达到统计学显著，其余 10 个方向一致但没达到显著。这类工具用在谁身上管用，不能一概而论。

论文的利益声明里写着，Mass General Brigham 已为下一代面部健康算法申请了美国临时专利。这不影响数据本身，但这类工具将来进临床时，评价它的人要和开发它的人分开。

网上那些上传一张自拍就给你算身体年龄、算寿命的小程序，和这项研究不是同一种东西。研究里的模型是在固定条件下拍摄的照片上、在癌症病人中做到了 C 指数 0.57 的粗分层，把它当成个人体检结论，方向就偏了。对读者来说更实在的还是老办法：按年龄和风险做该做的筛查，把吸烟、酒精、体重和基础病控制住。面相上的衰老是全身状态留下的痕迹，调整的是全身状态，脸上的变化跟着来。

参考来源

· Haugg F, Lee G, He J, et al. Lancet Digit Health 2026 (FAHR-Face)

AI 辅助整理，作者审核；内容仅供参考，具体诊疗请遵医嘱。