AI看脸预测死亡风险:两项研究发布,AUC最高0.80

资讯 凤凰科技 作者:虎嗅网 全文 2803 字 · 约 8 分钟读完

预测能力与临床价值之间,不能直接画等号

这组研究来自微信公众号“西直门外汉”,作者老孙去也。

相面先生的生意,AI也来抢了。11月19日《自然·通讯》刊出一项研究:丹麦研究人员把27660张急诊患者的面部照片交给AI,结果发现,只看一张脸,就能把患者的死亡风险分出层次。模型预测3天内死亡的AUC为0.80,30天为0.77。在这批患者里,它区分风险的能力压过了部分传统急诊分诊指标和临床风险评分。

还有一点更耐人寻味:一些传统预警评分本来不高的患者,AI却给出了较高的死亡风险。

往前推一个月,哈佛医学院等机构在《柳叶刀·数字健康》上也发了一项研究。团队先用超过4000万张人脸照片训练AI,接着拿癌症患者数据训练生存预测模型。结果,被模型划入最高风险四分位组的患者,死亡风险是最低组的3.23倍。

两项研究隔了一个月,患者人群也不同,做的却是同一件事——从脸上找死亡风险的线索。

当然,AI还没本事预知生死。它能判断谁的风险更高,谁还能活多久,眼下算不出来。只是过去属于相面先生的一些说法,如今真有人拿着临床数据在认真研究了。

01

医生看病,本来就先看脸。面色苍白、眼窝凹陷、面容消瘦,经验丰富的医生见了,往往会多留个心眼。

古希腊医学里有个专门叫法——“希波克拉底面容”,说的就是重病患者可能露出的特征性面容。麻烦在于,医生能描述这些变化,却很难把它折算成一个统一的风险分数。

这一环,AI想补上。

哈佛团队的做法是:先让模型从4000多万张照片里学面部特征,再按不同任务分别训练算法。一个估面部年龄,另一个预测癌症患者的生存风险。

研究纳入38183名美国癌症患者,另外还在荷兰4892名癌症患者组成的独立队列中做了外部验证。面部年龄模型预测实际年龄,平均绝对误差约5.1岁。

生存预测模型那边,高、低风险组之间的死亡风险比为3.23。数字确实好看。

但要说清楚:4000多万张照片主要用于学人脸特征,不等于研究人员手里有4000多万人的健康档案。5.1岁的误差也只是视觉年龄的估算误差,证明不了AI准确测出了人的生物学年龄。

3.23倍是患者群体之间的统计比较,没法直接换成某一个人的死亡概率。AI能发现面部特征与死亡风险之间的关联,可据此判断某个人的寿命,它还做不到。

这条线,必须划清。

02

哈佛那项研究之外,丹麦团队把场景挪到了更敏感的急诊科。那里,医生每天都要排出谁先救、谁后救。

分诊本身有一套成熟标准,医护会看意识状态、呼吸、血压、心率这些指标,据此判断患者有多紧急。可临床上的危险,未必都能被这些指标兜住。

丹麦研究纳入的患者年龄中位数为73岁。研究人员发现,传统早期预警评分偏低的患者里,面部AI照样能挑出死亡风险明显偏高的一群人。

换句话说,算法可能抓到了常规分诊指标没充分反映的东西。假如日后经过临床验证,这项技术能帮医生回头再看一眼那些表面不危急的患者。

不过,论文里的风险分层,离急诊室真正用起来还差一段路。

公开的研究预印本显示,部分照片的采集时间可能延伸到患者入院后30天内。这跟患者刚进急诊、医生必须马上决定救治顺序的情形,并不完全一样。

研究只能说明面部照片里含有预后信息,并不能证明在急诊分诊的第一时间上模型,效果也照样成立。

还有一个问题,研究没有充分作答:AI认出的高风险患者,医生原本能不能认出来?

要是一位患者明显消瘦、精神萎靡,医生结合病史、查体和检查结果已经判断他身体状况很差,AI再补一个高风险评分,多出来的价值就得重新掂量。

英国科学媒体中心请来的独立专家点评哈佛研究时,也点了这个局限:模型还没证明,在医生现有的整体状况评估之外,它能提供多少真正有用的临床信息。

预测能力和临床价值,不能直接画等号。

03

真正的麻烦,出在AI评分进入临床决策之后。

设想一位晚期癌症患者,医生根据病情、身体状况和治疗意愿,认为可以接着做下一阶段治疗。偏偏这时,面部AI给了一个很高的死亡风险评分。

医生要是坚持原方案,就得解释为什么没采纳算法的提示;要是因此调低治疗强度,患者又可能丢掉一次治疗获益的机会。

死亡风险高,不等于治疗没价值。临床医生真正想知道的,还有患者扛不扛得住治疗、不同方案各自可能带来多少收益和伤害。

眼下,两项研究都没有证明,照着面部AI评分去调整治疗方案,能改善患者的最终结局。

可医院一旦采购并启用这类系统,责任就含糊不得。

假设急诊科把一位患者划进低优先级,AI却判定其死亡风险偏高,医院得先定下来:谁来复核这个结果。真要医生加做检查、加派人盯护,触发条件也得写清楚。假阳性一多,急诊科就会多出一堆检查和观察;漏判属于假阴性,后果落在患者头上。

以往医生凭临床证据下判断,医院按诊疗规范查质量。往后病历里多出一个AI死亡风险评分,医生不采纳算法意见,要不要另写说明?算法提示被跳过、随后出了不良结局,医院又拿什么标准去评价?这些流程,都得一条条定下来。

模型由软件供应商提供,可诊疗活动还是医院组织、医生动手。采购合同上那句“仅供辅助参考”,替代不了医院对临床使用边界的管理。算法越往治疗决策跟前凑,医生要做的解释工作恐怕越多。

04

对做医疗AI的企业来说,这个方向显然很有吸引力。

以往不少医疗影像AI靠的是CT、MRI或病理图像,绕不开专业设备,还得接进医院信息系统。面部AI的采集门槛低得多,一部手机拍张照就可能完成。要是后续研究真能证明临床上有收益,急诊风险评估、肿瘤随访、老年医学都有可以落地的空间。

采集便宜,不等于医院肯买单。电子病历、检验系统、成熟的风险评估流程,医院早就有了。再买一套面部AI,企业得拿出证据:能多找出多少原先被漏掉的高风险患者,又会多出多少误报。由此增加的检查、复核、监护和培训开销,同样得有人来付。

还有数据。

以前医院拍患者照片,多用于核对身份或者记录病历。如今同一张照片,可能被拿来推断健康状况,甚至推断死亡风险。生物识别信息和医疗健康信息,在我国《个人信息保护法》里都属于敏感个人信息。用途一变,医院就得重新检查处理依据、告知与授权、数据留存,还有供应商的权限。

更实际的问题是,面部AI眼下还缺少足够的前瞻性临床验证。模型换医院、换人群还能不能稳定用,能不能改善患者结局,都还要接着研究。

丹麦那项研究的部分作者,已就相关风险预测方法申请了临时专利。哈佛团队公开了部分模型代码和权重,生存风险预测模型的权重则没有公开。论文能走向产品,商业开发可以想象,临床应用资格却不会因为发了论文就自动到手。

尤其是预测死亡风险的技术,医院可试错的余地不多。相面先生看走眼,顶多挨一句江湖骗子的骂名。AI看走眼,医生又根据它的判断改了治疗方案,事情就没这么轻了。说到底,算命只管开口,治病总得有人担责。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. LSHub 发布 P1 与 MAX 工程 AI 终端:覆盖八大专业,两种部署可选

    日前,四川无量枢人工智能科技有限公司(品牌 LSHub)推出 LSHub P1 与 LSHub MAX 两款工程 AI 智能终端,面向建筑工程行业提供 CAD 出图辅助、工程量计算辅助、图纸审查辅助及工程专业知识问答四类应用。 两款产品对应两种部署需求 LSHub P1 为主力产品,形态是巴掌大小的 AI 智能盒子,连

    来源 AI 行业观察
  2. 企业用 AI 面试我,我能用 AI 回答吗?

    写在前面 在面试时,使用 AI 来回答问题,是对企业和个人来说,都已经是一个已经无法回避的问题。 有 HR 对此深恶痛绝,认为是诚信问题。一个面试官和我说过一个真事,当时线上面试的时候,他们希望候选人分享自己做过的一个项目,结果候选人一不小心投屏的时候把 AI 辅助回答给亮了出来。 本来他们对于候选人的资质非常认可,但

    来源 AI 行业观察
  3. AI泔水入侵科普:南海双头虾与万张鸟类贴纸暴露知识污染风险

    AI泔水(AI Slop),正在侵蚀人类的知识世界。这个词在2025年入选《韦氏字典》年度词汇,专门用来形容由人工智能批量生产、质量低劣的数字内容。出现双头虾的《南海海洋生物科普丛书》中,绝大多数图片均由AI绘图工具生成。图片来源:澎湃新闻近日,中国农业出版社出版的《南海海洋生物科普丛书》,因出现不符合常识的“双...

    来源 腾讯网
  4. Henrijs Dandzbergs辍学创业:AI导弹主打“击杀成本”

    16岁高中生Henrijs Dandzbergs辍学加入YC,创办AI导弹初创公司,宣称要用新型导弹把美国及其盟友的“击杀成本”降到最低。本文梳理其背景、产品逻辑与争议,并追问:当战争效率被硅谷式指标衡量,创新与伦理边界在哪里?

    来源 AI 行业观察
  5. 警惕!AI不能替你停药,31岁华人女工程师猝死风波

    风险埋在AI的温柔里 | 图 AI生成作者/ IT时报 孙妍编辑/ 王昕 孙妍今年8月,家中老人的体检报告上列着10项异常结论,建议复查随访。我把报告发给AI,它的确识别出了风险,却用一套温柔的话语安慰道:“到了这个年纪,身体有些‘小磨损’很正常,咱们在饮食上稍微把把关,多活动活动,身体一定会给你积极的反馈。”我心里.

    来源 腾讯网
  6. 雪泥Spoor:卡在AI聊天和成稿之间存在断层,它想用画布补上

    一、信息不稀缺,稀缺的是把信息变成知识生产 在信息获取越来越容易的今天,如何将信息转化为自己的知识,仍然是一件困难的事情。 不少人习惯使用笔记软件记录读书摘录、网页资料、灵感和日常思考。但随着记录数量不断增加,新的问题也随之出现:笔记分散在不同文件夹和页面中,过去记录的内容很难重新被发现;即使积累了大量资料,也不容易从

    来源 AI 行业观察
  7. AI重塑制造业:从线性链条到实时响应,五个环节怎么变

    如火如荼的AI发展,正对制造业发展模式产生颠覆性影响。工业经济时代,制造业产业链可描述为一条线性链条,即“需求(预测)采购生产销售(售后)服务”。数智经济时代,AI的使用则正将制造业产业链重塑为实时响应的价值网络。中国社会科学院工业经济研究所研究员,中国社会科学院大学教授、博士生导师郭朝先在《北...

    来源 腾讯网
向下滚动自动加载更多