哈佛大学开发的新型人工智能模型 脸部年龄 估计生物通过分析照片中的面部特征来确定患者的年龄，并可能通过显示患者相对于实际年龄的外表年龄来帮助预测癌症存活率。

通过 58,851 名健康人的图像进行训练，FaceAge后来在癌症患者身上进行了测试，以探索看起来比实际年龄大是否预示着健康状况较差。

报告称：“我们发现，癌症患者平均看起来比实际年龄要老，而看起来年龄越大，总体生存率就越低。FaceAge 在多种癌症类型和分期中都表现出显著的独立预后性能。”

生理年龄指的是一个人已经活了多少年，而生理年龄则反映的是其身体机能相对于实际年龄的优劣。哈佛大学的研究人员发现，一个人的外貌或许可以提供有效的生物标记来确定其生理年龄。

FaceAge 以苏黎世联邦理工学院的早期研究为基础，该校的研究人员创建了 Deep EXpectations（去中心化交易所)，这是一个开源的深度学习模型，可以通过面部图像估算年龄。哈佛团队还使用以下图像训练了 FaceAge：IMDB-WIKI 和 UTKFace，两个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倒车生物衰老。最近，该大学扩大了对人工智能驱动的研究的投资，重点是诊断和治疗癌症等领域正日益融合。

2024 年 10 月，哈佛医学院的开发人员推出了一种新的 AI 模型，称为临床组织病理学影像评估基金会 (首席）。当时，研究人员指出，该人工智能在癌症检测方面的准确率高达 96%，优于之前测试的模型。

虽然 FaceAge 的研究主要集中于生物年龄和癌症，但研究人员表示，它可能带来更广泛的应用。

哈佛大学的研究人员表示：“这些发现可能扩展到癌症以外的疾病，促使人们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 是最新的工具越来越多的医学专家开始关注生物年龄，利用面部分析来识别衰老的早期迹象，并将护理重点转向预防而不仅仅是治疗。

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 等专家认为，生物年龄研究向人工智能的转变是为了克服人类的局限性。

Katanforoosh 告诉记者：“人工智能可以分析面部的数千个特征，找出我们大多数人没有意识到的因素，并找到与生物衰老相关的模式。”解密“这与早期深度学习模型在照片中识别猫的能力超越人类类似。它们没有运用直觉。它们接受了数百万个样本的训练，并学习了统计上一致的特征。”

他补充道：“人类存在偏见，而且反复无常。人工智能的系统训练规模是我们无法比拟的。”

编辑安德鲁·海沃德