麻州新研究：AI讀臉 預測癌患死亡風險
麻州總醫院布萊根醫療系統(Mass General Brigham，以下簡稱麻州總醫院)研究人員利用逾4000萬張臉部照片訓練人工智慧(AI)新模型「FAHR-FaceSurvival」，用以協助預測癌症病患的死亡風險。
研究人員運用超過3萬名癌症病患的近照及醫療結果訓練AI模型。結果顯示，生理年齡高於實際年齡的病患，通常預後較差。示意圖。(路透)
AI摘要 文章摘要整理： 麻州總醫院以超過4000萬張臉部照片訓練FAHR-FaceSurvival，能直接預測癌症病患死亡風險，但研究者強調仍需驗證其臨床價值與公平性。
麻州總醫院以超過4000萬張臉部照片訓練FAHR-FaceSurvival，能直接預測癌症病患死亡風險，但研究者強調仍需驗證其臨床價值與公平性。
麻州 總醫院布萊根醫療系統(Mass General Brigham，以下簡稱麻州總醫院)研究人員利用逾4000萬張臉部照片訓練人工智慧( AI )新模型「FAHR-FaceSurvival」，用以協助預測癌症病患的死亡風險。
研究發現，模型評分最高的10%病患中，約半數人在90天內死亡；評分最低的10%病患中，90天內病歿的機率為2%。
FAHR-FaceSurvival模型的研究成果10月19日發表於「刺胳針數位健康」(The Lancet Digital Health)期刊，研究人員表示，這項技術未來可能成為評估病患健康狀況與預後的輔助工具，但仍須查證其臨床效益與公平性。
華盛頓郵報 報導，麻州總醫院研究團隊先前開發「FAHR-FaceAge」系統，能從臉部照片估算生理年齡，反映人體的生理狀態，而非實際年齡。新研究的FAHR-FaceSurvival模型利用臉部影像，直接預測癌症病患的死亡風險。
研究作者之一、麻州總醫院癌症研究所放射腫瘤科醫師麥雷蒙(Raymond Mak，音譯)表示：「這是我們首次證明，只要一張照片，就能夠直接預測一個人的死亡風險，不只是生理年齡。」
研究人員運用超過3萬名癌症病患的近照及醫療結果訓練模型，將病患的生存時間、死亡時間等資料與影像配對。結果顯示，生理年齡高於實際年齡的病患，通常預後較差。
研究團隊也發現，同一個臉部基礎模型能衍生不同演算法，從照片辨識不同健康訊號：FAHR-FaceAge著重鼻唇溝、額頭與顳肌，藉此估算生理年齡，而FAHR-FaceSurvival聚焦眼睛下方及鼻樑區域，藉此評估死亡風險。
麥雷蒙想到古希臘醫師希波克拉底(Hippocrates)在約西元前400年的「預後學」(Book of Prognostics)書中描述「死亡面相」(face of death)，包括尖鼻子、眼窩及太陽穴塌陷等。
麥雷蒙表示，臨床上確實看過瀕死病患出現類似面容，但他推測AI可能辨識的是軟組織流失或肌肉量減少，不過這目前仍屬推測。
麥雷蒙強調，AI模型僅以臉部照片、病患年齡、生存結果進行訓練，並未使用網路上的其他資料。
研究人員提醒，從照片預測生存率，不代表模型掌握醫師不知道的資料，更不代表使用模型的判讀結果就能改變照護方式。
麻州總醫院癌症研究所放射腫瘤科醫師麥雷蒙領導研究，訓練AI新模型「FAHR-FaceSurvival」，以協助預測癌症病患的死亡風險。(麻州總醫院官網)
精華 FAQ Q1：麻州總醫院這項AI研究主要在做什麼？ 研究團隊用超過4000萬張臉部照片訓練FAHR-FaceSurvival，並結合3萬多名癌症病患的影像與病程資料，讓模型可直接預測死亡風險與短期預後。 Q2：研究結果顯示，高低風險病患的差異有多大？ 模型評分最高的10%病患中，約有一半在90天內死亡；而評分最低的10%病患，90天內病歿機率只有2%，差距相當明顯。 Q3：這項技術未來可怎麼用，研究者又提醒什麼？ 研究者認為它可作為評估病患健康狀況與預後的輔助工具，但目前仍不能代表掌握醫師不知道的資訊，也不能直接改變照護決策。
Q1：麻州總醫院這項AI研究主要在做什麼？ 研究團隊用超過4000萬張臉部照片訓練FAHR-FaceSurvival，並結合3萬多名癌症病患的影像與病程資料，讓模型可直接預測死亡風險與短期預後。
Q1：麻州總醫院這項AI研究主要在做什麼？
研究團隊用超過4000萬張臉部照片訓練FAHR-FaceSurvival，並結合3萬多名癌症病患的影像與病程資料，讓模型可直接預測死亡風險與短期預後。
Q2：研究結果顯示，高低風險病患的差異有多大？ 模型評分最高的10%病患中，約有一半在90天內死亡；而評分最低的10%病患，90天內病歿機率只有2%，差距相當明顯。
Q2：研究結果顯示，高低風險病患的差異有多大？
模型評分最高的10%病患中，約有一半在90天內死亡；而評分最低的10%病患，90天內病歿機率只有2%，差距相當明顯。
Q3：這項技術未來可怎麼用，研究者又提醒什麼？ 研究者認為它可作為評估病患健康狀況與預後的輔助工具，但目前仍不能代表掌握醫師不知道的資訊，也不能直接改變照護決策。
Q3：這項技術未來可怎麼用，研究者又提醒什麼？
研究者認為它可作為評估病患健康狀況與預後的輔助工具，但目前仍不能代表掌握醫師不知道的資訊，也不能直接改變照護決策。
2024與2026選前寄百封「白粉信」奧克拉荷馬男子遭起訴
沃爾瑪司機通報數十可疑包裹 亞州警逮6亞裔詐嫌