吸烟显老33个月！《柳叶刀》子刊：一张照片就能估算年龄并预判生存期

人类衰老速度差异显著，面容常比实际年龄更能反映生理状态。然而，医学中对面部特征的评估仍依赖主观判断，缺乏标准化工具。哈佛团队在《柳叶刀》子刊The Lancet Digital Health发表研究，他们开发了深度学习系统FaceAge，通过面部照片估算生物年龄，并验证其在癌症预后中的价值。

随着年龄增长，个体的生理健康和生命预后与实际年龄（即出生年份与当前年份的差值）的相关性逐渐减弱。许多因素如基因差异、生活方式（饮食、吸烟、饮酒等）等会加速或减缓衰老进程。然而，在医学实践中，对患者的生理状态评估往往依赖于医生的主观判断，这种判断在肿瘤学领域尤为关键，因为治疗方案的选择与患者的预期寿命密切相关。

FaceAge系统的开发基于58851名60岁及以上的健康个体数据进行训练，在临床效用评估中，研究团队利用荷兰某诊所、美国哈佛大学胸科和姑息治疗的6196名癌症患者数据。算法为双阶段模型，先定位面部（95%准确率），再通过Inception-ResNet提取特征并预测年龄。60岁以上人群的平均绝对误差为4.09岁，精准度优于现有模型。

通过生存分析和调整若干临床协变量的模型，研究揭示了FaceAge在多种癌症类型和阶段中具有显著的独立预后性能，包括泛癌队列、胸腺癌队列、以及临终关怀队列。

结果表明，癌症患者平均比健康同龄人“显老”4.79岁，且面容年龄每增加10岁，死亡风险升高11%-15%；吸烟者面容年龄比不吸烟者高33个月。

研究团队进一步进行基于基因的分析，以评估FaceAge是否具有成为分子衰老生物标志物的潜力。通过分析与衰老相关的基因，结果显示FaceAge与细胞衰老相关的基因CDK6显著相关，而实际年龄则未显示出与这些基因的显著关联。此外，将FaceAge纳入姑息治疗模型后，能显著提升医生对接受姑息治疗的晚期癌症患者生存期的预测准确性，这凸显了FaceAge在支持临终决策中的临床价值。

这项研究具有划时代的意义。它不仅提供了一种量化生物年龄的新工具，还为医学领域尤其是肿瘤学带来了新的视角和方法。通过面部照片这一简单、易获取且低成本的手段，医生可以更精准地评估患者的生理状态和预后，从而制定更个性化和科学的治疗方案。但研究的局限性仍需注意：数据偏差，训练集含大量名人照片（可能因整容或修图干扰生物年龄评估）；伦理风险，需警惕保险或广告滥用面部年龄预测技术，加剧健康不平等。

FaceAge首次将深度学习与面部衰老结合，为癌症预后提供了客观、低成本的生物标志物。尽管临床转化前需解决技术和伦理挑战，但其潜力已不容忽视——未来，或许一张自拍就能成为精准医疗的“敲门砖”。