从“看脸”到看数据：AI如何介入预后判断
“仅凭一张脸就能判断生死”听起来像相面，但AI尝试的是另一回事。相关研究通常利用深度学习分析癌症患者的面部照片，提取皮肤纹理、颜色分布、眼周与口周变化、面部对称性、水肿或消瘦等细微特征，再将其与临床结局建立统计关联，输出生存风险评分或存活概率。其核心不是“读脸”，而是从高维图像中寻找与疾病进展相关的弱信号。
技术逻辑与潜在价值
技术上，模型多以卷积神经网络或视觉Transformer为基础，并将面部图像与年龄、性别、癌种、分期、治疗方案等结构化数据融合，进行多模态生存分析。若验证充分，它可能成为低成本、非侵入的辅助工具，在资源不足地区帮助医生识别高风险患者，优化随访频率和治疗强度。但这类模型必须经过大规模、多中心、前瞻性验证，才能证明其增量价值。
边界与风险：预测不等于判决
生存预测不等于诊断，更不等于“生死判决”。面部特征易受光照、角度、妆容、种族、合并症和拍摄设备影响；数据偏倚、过拟合与外部验证不足会显著削弱泛化能力。同时，隐私、知情同意、算法歧视、心理伤害和责任归属都是不可回避的伦理问题。因此，AI面部预后模型更合理的定位是临床决策支持，而非替代病理、影像和医生判断。监管审批、可解释性与真实世界证据缺一不可。
