币币情报道：
哈佛大学开发了一种名为“FaceAge”的新型人工智能模型，该模型通过分析照片中的面部特征来评估患者的生物年龄，并可能通过显示患者相对于实际年龄的外貌年龄来帮助预测癌症存活率。
经过对58,851名健康人的图像进行训练后，“FaceAge”在癌症患者身上进行了测试，以探索看起来比实际年龄更老是否预示着健康状况较差。
研究人员报告称：“我们发现，癌症患者平均看起来比实际年龄要老，而外貌年龄越大，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。”
生理年龄指一个人已经活了多少年，而外貌年龄则反映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，用于确定其生理年龄。
FaceAge 的研究基础来源于苏黎世联邦理工学院的早期项目，该校研究人员创建了 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。哈佛团队还利用以下数据集对 FaceAge 进行了训练：IMDB-WIKI 和 UTKFace，这是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研究和逆转生物衰老。近年来，该大学进一步扩大了对人工智能驱动研究的投资，特别是在诊断和治疗癌症等领域，这些领域正日益融合。
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 是最新的工具之一，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，并将护理重点从单纯治疗转向预防。
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
快讯