概括：研究人员开发了一种称为Faceage的AI工具，该工具使用面部照片来估计生物年龄并预测癌症患者的生存结果。在一项涉及6,000多名患者的研究中，患有癌症的患者的年龄大约五岁，而较高的面积与较差的生存有关。
该工具在预测接受姑息放疗的患者的短期预期寿命方面优于预测临床医生，尤其是在整合到决策中时。这些发现表明，面部特征可以用作衰老和疾病的强大，无创的生物标志物，在精密医学方面打开了新的大门。
关键事实：
- Faceage AI：使用面部照片预测生物年龄和生存。
- 癌症见解：癌症患者的实际年龄大约5岁。
- 临床提升：面容改善了医生对姑息治疗中预期寿命的预测。
来源：群众
眼睛可能是灵魂的窗户，但是一个人的生物时代可以反映在其面部特征中。
弥撒将军杨百翰的研究人员开发了一种名为Faceage的深度学习算法，该算法使用人脸的照片来预测癌症患者的生物年龄和生存结果。
他们发现，平均而言，癌症患者的面积比没有年龄大约五岁的患者更高。
较旧的面容预测与多种癌症类型的总体生存结果较差有关。
他们还发现，在预测接受姑息放射疗法的患者的短期期望值方面，夫妇的表现优于临床医生。
他们的结果在 柳叶刀数字健康。
``我们可以使用人工智能（AI）从面部图片中估算一个人的生物年龄，我们的研究表明，信息在临床上有意义，”合作培训和相应的作家Hugo Aerts，Mass General Brigham的医学人工智能（AIM）计划的总监，博士学位。
``这项工作表明，像简单自拍照一样的照片包含重要信息，可以帮助为患者和临床医生提供临床决策和护理计划。
与年龄相比，某人看起来多大的年龄确实重要的是，癌症治疗后年轻的人的年龄比年代年轻的人的年龄要比年代年轻。
当患者走进检查室时，他们的外表可能会为医生提供有关其整体健康和活力的线索。除了许多其他生物学措施外，这些直观的评估与患者的年代年龄相结合，还可能有助于确定最佳治疗方法。
但是，像任何人一样，医生可能对可能影响他们的人的年龄有偏见，这加剧了需要更客观，预测性的措施来为护理决定提供信息。
考虑到这一目标，大规模的杨百翰调查人员利用深度学习和面部识别技术来训练面。该工具接受了58,851张公共数据集的健康个体照片的培训。
该小组使用放射疗法治疗开始时通常拍摄的照片，在两名中心的6,196名癌症患者队列中测试了该算法。
结果表明，癌症患者似乎比没有癌症的患者大得多，平均而言，其面积比年代年龄大约五岁。
在癌症患者队列中，较旧的刻面与较差的生存结果有关，尤其是在年龄超过85岁的个体，即使在适应年龄，性别，性别和癌症类型后也是如此。
生命结束时的估计生存时间很难固定，但在癌症护理中具有重要的治疗意义。该小组要求10位临床医生和研究人员预测100张接受姑息放疗的患者的100张照片的短期预期寿命。
总体而言，尽管他们的表现范围很广，但即使在给予临床环境（例如患者的年代年龄和癌症状态）之后，临床医生的预测仅比硬币翻转略好。
然而，当还向临床医生提供患者的面貌信息时，他们的预测有了显着改善。
在将这项技术考虑在现实世界临床环境中使用之前，需要进一步研究。研究团队正在测试这项技术，以预测疾病，一般健康状况和寿命。
后续研究包括将这项工作扩展到不同医院，查看癌症不同阶段的患者，跟踪随着时间的推移量表的估计，并测试其针对整形手术和化妆数据集的准确性。
``这为照片从照片中发现了一个全新的生物标志物发现领域，其潜力远远超出了癌症的护理或预测年龄的范围。'在Mass Brigham的AIM计划中的一名教职员工合作社作者雷·麦克说。
•随着我们越来越想将不同的慢性疾病视为衰老的疾病，能够准确预测个体的衰老轨迹变得更加重要。我希望我们最终可以在强大的监管和道德框架内将这项技术用作各种应用中的早期检测系统，以帮助挽救生命。”
作者身份：其他群众杨树的作者包括Dennis Bontempi，Osbert Zalay，Danielle S. Bitterman，Fridolin Haugg，Jack M. Qian，Hannah Roberts，Subha Perni，Subha Perni，Vasco Prudente，Suraj Pai，Suraj Pai，Christian Guthier，Christian Guthier，Tracy Balboni，Tracy Balboni，Laura Warren，Monica Warren，Monica Krishan和Benjamin H. Kann。
披露：大规模的杨百翰已向两种下一代面部健康算法申请了临时专利。
资金： This project received financial support from the National Institutes of Health (HA: NIH-USA U24CA194354, NIH-USA U01CA190234, NIH-USA U01CA209414, and NIH-USA R35CA22052; BHK: NIH-USA K08DE030216-01), and the European Union – European Research Council (HA:866504）。
关于这个AI，衰老和癌症研究新闻
作者：瑞安·贾斯洛（Ryan Jaslow）
来源：群众
接触：瑞安·贾斯洛（Ryan Jaslow）
图像：图像被认为是神经科学新闻
原始研究：开放访问。
Faceage是一种从面部照片估算生物年龄以改善预后的深度学习系统：模型开发和验证研究Hugo Aerts等人作者。柳叶刀数字健康
抽象的
Faceage是一种从面部照片估算生物年龄以改善预后的深度学习系统：模型开发和验证研究
背景
随着人类年龄不同的速度，身体外观可以比年代年龄更可靠地对生物学年龄和生理健康的见解。但是，在医学上，外观以一种主观和非标准化的方式纳入了医学判断中。
在这项研究中，我们旨在开发和验证Faceage，这是一个深度学习系统，可从易于获得和低成本的面部照片中估算生物年龄。
方法
Faceage接受了来自60岁或60岁以上的58届851个健康个体的数据：来自IMDB Wiki数据集（培训）的56 304个个人和UTKFACE DATASET的2547个人（初始验证）。
评估了来自荷兰和美国两个机构的6196例癌症诊断患者的数据：这些癌症队列中的Maastro，Harvard Thoracic和Harvard Palliative cohorts cohorts capeage估计值与535个个体的非癌性参考队列进行了比较。
为了评估刻面的预后相关性，我们进行了Kaplan的生存分析和COX建模，并调整了几种临床协变量。我们还评估了通过将夫妇纳入临床预测模型中的转移性癌症患者接受姑息治疗的患者的表现。
为了评估Faceage是否有可能成为分子衰老的生物标志物，我们进行了基于基因的分析以评估其与衰老基因的关联。
发现
在各种癌症类型和阶段，刻面表现出明显的独立预后表现。
看起来年龄较大的与总体存活率较差相关（调整了每十个危险比[hr]1â151，p =0â·013 - n = 4906;1â·148;1â·148，p = 0·011的pan-cancer群中，n = 573; and n = 573;n = 717的姑息队队。
我们发现，平均而言，患有癌症的患者看起来比年龄年龄大（相对于非癌性参考队列，平均增加了4年79岁，P <0â0001）。
我们发现，面貌可以改善医生接受姑息治疗的患者的医生的生存预测（从曲线0到0·74 [95％CI 0â·70·0·78]到0到0到8 [0到[0·76 - 76 - 76 - 0â·83]； 制作。
通过基因分析，面积也与衰老的分子机制显着相关，而年龄则没有。
解释
我们的结果表明，深度学习模型可以从面部照片估算生物年龄，从而增强癌症患者的生存预测。
需要进一步的研究，包括较大队列中的验证，以验证癌症患者的这些发现，并确定这些发现是否扩展到其他疾病患者。
受到进一步的测试和验证，可以使用诸如Faceage之类的方法将患者的视觉外观转化为客观，定量和临床有价值的措施。
资金
美国国家卫生研究院和欧盟欧洲研究委员会。