一张自拍，AI模型就能算出你还能活多久？

3820 个癌症患者，每个人拍了一张照片。

模型给其中 122 个人打了一个很高的分，0.9 到 1 之间。

90 天之后，这 122 个人里死了 64 个。

52.5%。

另一头，被打了 0 到 0.1 分的那批人，90 天内的死亡率是 2.1%。

52.5% VS 2.1%。

这是 2026 年 10 月 19 号发在《柳叶刀·数字健康》上的一篇论文，作者是麻省总医院布里格姆的一群人，模型叫 「FAHR-Face」。

我第一次看到这组数据的时候，以为又是什么爽文短句剧情，没想到，人还是正八经的论文

我们从小受的教育是，以貌取人是低级趣味，相由心生是封建迷信，看脸判断一个人是不体面的，现在一个 AI 模型跑出来说，你的脸确实在泄露一些东西，而且泄露得相当准……

1

先说这玩意是怎么出来的，不然后面的东西你没法理解。

它的底座叫 FAHR-Face，全称是 Foundation Artificial Intelligence for Health Recognition，健康识别基础模型。训练数据是 WebFace42M，一个公开的人脸数据集，Github上就有，4000 多万张脸，年龄覆盖 0 岁到 116 岁。

这116 岁什么概念？可以说覆盖了人类这个物种能活到的极限。

所以你想想看，这个模型见过从出生到临终的每一段脸——它没见过一个病人，没读过一本医学教材，没背过任何一条指南，它就是看了 4000 多万张脸，然后自己琢磨出了人是怎么老的。

研究者拿这个底座微调出了两个东西。一个叫 FAHR-FaceAge，估算生物年龄；一个叫 FAHR-FaceSurvival，直接预测癌症患者的生存结局。

同一个底座长出来的俩孩子，看脸的方式却完全不一样。

管年龄的那个，看的是法令纹，是眼眶上方的额头，是太阳穴，这很符合我们日常直觉，人老了先垮的就是这几块地方，下图里高亮的部分。

管癌症患者生存的这个，看的是眼睛下面和鼻梁周围。

这两个结论来自论文里的注意力热力图，黄色是影响最大的区域。

但一个很诡异是，这两套预测之间的相关性很弱，几乎可以说是各看各的。但把它们放在一起用的时候，对外部验证队列的拟合度反而更好。

这说明脸上不止一套账，至少有两套，而且互不干扰。

问题是，为什么是眼睛下面和鼻梁？

论文里没说清楚。《科学美国人》的报道直接写了，「为什么这些区域跟死亡风险相关，目前不明确」。

大概意思就是——你造了一个东西，它比你准得多，但它不告诉你它凭什么准，黑盒子一个。

如果纯直接的瞎猜呢，没准是眼睛下面那块皮肤是全身最薄的，薄到能看见底下的血管，熬两个夜就发青，贫血了也发青，长期慢性发炎也发青。至于鼻梁那块……愚钝如我，是真想不出来。

或许它抓到了某种我们还没起名字的生理信号，也可能只是这 4000 多万张脸里，恰好有某种统计规律和死亡绑在了一起吧。

2

再看个数据。

研究团队还看了 38000 多个接受放射治疗的癌症患者，平均随访 4 年。

结论是：被模型判定为看起来比实际年龄老 5 岁以上的人，死亡风险高 21%；反过来，看起来比实际年龄年轻 5 岁以上的人，死亡风险低 17%。

注意，这是在调整了年龄、性别、癌种这些变量之后，还剩下的差异。

21% 真的不小——放在肿瘤学里，这个量级已经能影响一个治疗方案的选择了。

因为肿瘤科医生每天面对的那个问题，其实不是他得了什么癌，是他扛不扛得住。

而中外的所有的临床指南里，年龄都是一个特别粗暴的变量——65 岁以上，剂量减一点；75 岁以上，方案换一个——它默认了所有 75 岁的人都是一样的。

但你去任何一个养老院的院子里站十分钟就知道了，有的人 75 岁在打太极，有的人 75 岁在轮椅上数日子。

同样的岁数，完全不同的两个人，指南分不出来，医生凭眼睛也经常分不出来。

一个 78 岁的老头，肺癌，局部晚期，做根治性放疗，有机会多活几年，但也可能直接结束在治疗本身的手上。做保守治疗，活得短一点，但活得舒服。

这个决定，现在主要靠医生的眼睛——比如看他走路稳不稳，说话有没有力气，上三楼喘不喘，还有个专门的词叫体能状态评分，ECOG，医生凭经验打个分。

但你肯定发现了，这套东西非常依赖人，同一个病人，换个医生，可能分数差了不少，方案自然也不同。

Raymond Mak 是这篇论文的通讯作者，麻省总医院布里格姆的放疗科医生。他讲得非常克制——人越来越老，医生在推荐放疗、手术、全身治疗之前，需要更好的办法来评估患者的身体储备和虚弱程度。他们的目标不是替代医生的判断，是让这件事更可量化、更一致、更能规模化。

身体储备，是整篇研究里最准的一个词——年龄是你活了多少年，身体储备是你还能拿出多少。

用财务术语来说，年龄是账面收入，储备是现金流，有些公司账面资产几个亿，账上压根就没钱发工资。

还有个特别反直觉的发现。

你以为自拍会因为化妆啊光线啊之类的不准？

其实研究者试了各种折腾——换姿势，换光线，笑，皱眉，化妆，评分基本不动。

更狠的是整容，包括你割双眼皮、拉皮、打针、垫下巴，这些操作它基本都能看穿。

唯一一个能把模型骗过去的项目，是隆鼻，做过鼻子的人，术后照片会被判得稍微「老」一点。

所以吧，这些细节其实暴露了它的工作原理，它不是在认皱纹这种我们以为的东西，是在看更底层的某种结构，一种化妆遮不住、拉皮拉不掉、打针打不平的东西。

现在唯一能干扰它的，是动到结构，鼻子的骨头和软骨一改，它就有点懵。

顺便说个更有意思的，研究者发现生活习惯都会直接写在脸上。

重度饮酒、吸毒、吸烟，都和看起来更老相关，吸烟的规律最清楚，正在吸烟的人比戒了的人显老，戒了的人比从没吸过的人显老，一层一层，清清楚楚。

3

但是，有关这个研究，我们还是得分两面看。

先是数据本身，训练集 WebFace42M 是个公开人脸数据集，主体是西方人脸，验证用的癌症患者队列也主要在波士顿，以白人为主。

所以这套东西在亚洲人的脸上准不准，在黑人脸上准不准，现在没人知道，研究团队自己在扩大数据集，说明他们清楚这个有潜在的问题。

再看机制性，还记得开头的百分比吧？它给的是一个相关性，不是一个因果。

比如眼下那块地方为什么能反映死亡风险，是睡眠？是营养？是长期的炎症负荷？还是某种更隐蔽的东西？全是问号。

一个不知道为什么有效的指标，其实在临床上是很难被信任的，我相信现阶段没有一个医生会因为一个黑箱说了 0.83，就去改掉他做了二十年的决定。

然后是最难的那部分。

有个纽约大学生物伦理学教授，没参与这项研究，他看完之后提了两个担心，我觉得也有必要说说。

第一个，算法会出错，出错的方向很要命。它可能把一个其实很虚弱、很需要照护的人，判成一个健康人。然后系统就认为，这个人不需要额外照护。

第二个，这工具一旦普及，会被用在哪？

保险公司？你今天买重疾险，要不要先拍张照？你的脸说你未来四年风险偏高，那保费怎么算，保不保？

雇主？面试的时候，要不要顺便跑一下？这人长得太衰了不能要？你怎么告诉面试人呢？

教授的原话大概意思是，等这项技术继续往下走，我们真的得认真想想它的社会影响。

脸这件事，跟别的不一样。

指纹你可以不给，基因你可以不测，密码你可以不改。但你的脸，你每天顶着它出门，在电梯里，在地铁闸机前，在小区门口，在你们抖音微信小红书……甚至在每一台你根本没注意到的摄像头里。

4

论文自己也没把话说满。

团队承认，下一步真正的挑战，不是让预测更准，是证明这个预测真的能改善治疗。

这句话其实很重。

医学史上有过太多这样的东西，能算出来，但改变不了结局。你提前三个月知道一个病人要走，如果这件事的全部意义只是让所有人提前三个月开始难过，那它的价值是负的…

一个预测，只有在自己能触发一个更好的动作时，才算有用。

所以团队搞了个 FaceAge Research Study，是个通过伦理审查的公开研究网站，谁都能上传自己的照片，拿到一份自己的面部年龄读数。

表面上是给公众玩，实际上也是在累积数据，攒不同种族、不同国家、不同年龄段的脸，好回答上面那些问号。

这大概是医学史上第一次，一个人不用抽血，不用躺进机器，不用做任何一项检查，只是站在那儿被人看了一眼，身体就把答案交了出去。

过去两百年，医学一直在做同一件事，把我们身上那些说不清道不明的东西，一个接一个变成数字，体温、脉搏、血压、血糖、心率、基因序列。这件事一直有条边界，边界里面是身体，边界外面是脸。

脸是最后一块没被量化的地方，它属于相术，属于文学，属于一切不需要被证伪的领域。现在这块地方也被攻破了。

我不知道这是好事还是坏事，人类花了几千年想从一张脸上看出命运，居然现在真看出来了…

另一面来说，如果一个人能更早知道自己身体在说什么，那老去这件事，也许就不再是一场毫无预警的偷袭。

它成了是一件可以提前商量的事。

备注：论文为《Foundation Artificial Intelligence Models for Health Recognition Using Face Photographs (FAHR-Face): a model development and validation study》