打开网易新闻 查看精彩图片

一张照片,就能判断癌症患者还能活多久?看到这样的标题,感到不安很正常。

但把论文和数据放在一起看,结论没有那么神秘:研究人员发现,接受放疗的癌症患者中,面部照片包含与后续生存情况有关的统计信号。至于这个信号能否改善治疗,仍需要临床试验回答。

这项研究有科学依据,也有值得期待的用途。但如果把它说成“AI算出了谁会在90天内死亡”,就把统计学研究讲成了算命故事。

过半数离世,这个数字该怎么看

研究团队来自美国麻省总医院布里格姆医疗体系等机构。论文发表于《柳叶刀·数字健康》。研究者先用超过4000万张人脸照片训练基础模型,再用34363张癌症患者的面部照片及其生存记录,训练一个名为 FAHR-FaceSurvival 的模型,让它学习面部图像与生存结局之间的关联。

这里的4000万张照片并不是4000万名癌症患者的数据。基础训练帮助模型学习人脸图像特征,癌症患者数据用于后续专门训练,两者的作用不同。

在一个包含3820名患者的测试队列中,模型给122人划入极高风险组。拍照后90天内,其中64人去世,占52.5%。另一端的低风险组有975人,90天内有20人去世,约占2%。两组差距很大,说明模型在这个队列里识别出了与短期生存明显相关的信息。1

不过,52.5%有明确的分母:122名极高风险患者。它不是模型对全部患者的预测准确率,也不意味着模型找出了所有90天内去世的人。那122人中,还有58人在90天时仍然在世;低风险组也有人去世。

这两个极端组加起来只是测试队列的一部分,中间分数的患者如何表现、总共有多少短期死亡被漏掉,都不能靠这两个数字推出来。读医疗预测研究,最容易被“命中一半”吸引,但判断一个工具好不好,还得看漏掉多少人、错误警报有多少、换一家医院是否仍然有效。

论文还比较了按风险评分划分的四分位组:在调整年龄、性别等临床因素后,最高风险四分位组的死亡风险指标约为最低组的3.23倍。这里说的是随访期间的风险比,并非“90天内死亡概率是3.23倍”,更不能拿来推算某个人的剩余寿命。[1]

人脸上为什么可能有健康信息

医生见到患者时,本来就会观察精神状态、营养状况和虚弱程度。重病带来的体重下降、面部肌肉和脂肪变化,或治疗过程中的身体消耗,都可能在外观上留下痕迹。

AI的思路,是把大量患者的照片和后续结局放在一起,寻找人眼未必容易稳定识别的模式。它处理的是影像与结局的相关性,不需要相信面相能决定命运。

但说到这里,也不能反过来宣称研究已经弄清了“死亡写在脸上的哪个部位”。研究者用注意力图观察模型关注的区域,生存风险模型对眼下、鼻梁附近较为关注。注意力图只能提供线索,不能证明模型究竟识别了什么生理变化,更不能证明某个面部特征导致死亡。2

还有一个容易混淆的地方。研究团队同时开发了估计面部年龄的 FAHR-FaceAge。它在公开数据集上估计实际年龄的平均绝对误差约为5.1岁;这一结果说明它估计年龄的表现,不等于精确测量了身体的“生理年龄”。一个人看起来比身份证年龄大,也可能受遗传、日晒、生活环境或拍照条件等多种因素影响。不能拿自拍分数给自己下健康结论。[1]

真正有价值的地方,可能是提醒医生多看一眼

癌症患者年龄相同,身体能承受的治疗强度可能差很多。有人年纪不轻,日常活动和体力都不错;有人年龄较小,却已经因为疾病或治疗明显虚弱。医生需要综合肿瘤分期、治疗史、体能状态、营养状况和患者本人意愿来判断。

如果照片模型经过充分验证,能够在现有临床信息之外提供额外线索,它可能成为一种成本较低的提醒:这名患者是否需要进一步评估虚弱程度?是否需要营养支持、康复指导或更密切的随访?对于病情严重的患者,也可能帮助医护人员更早了解患者希望如何治疗,以及对生活质量的期待。

这类提醒的意义,在于让需要支持的人更早被注意到。缓和医疗也不等于放弃治疗;它可以与抗肿瘤治疗同时进行,帮助控制症状并支持患者和家属作决定。

但风险预测和治疗选择之间,还有一道很大的门槛。死亡风险高,不代表某种治疗一定无效;死亡风险低,也不代表患者一定能承受更强的治疗。模型预测的是已有条件下观察到的结局,不直接告诉医生:给这个人换一种方案后,结果会不会更好。

甚至存在相反的可能:某些患者面容憔悴,是因为处于一段可以改善的困难时期。如果医生过度相信模型,直接减少治疗或将其排除在试验之外,原本可能受益的人就会失去机会。算法的错误会通过人的决策,变成真实伤害。

离走进诊室,还差哪些证据

这项研究做了独立队列验证,也进行了按年龄、性别、种族及癌症类别的亚组分析。这比只在训练数据上展示结果更有说服力,但不能理解成它已经适合所有医院和所有人群。[1]

研究对象主要是接受放疗的癌症患者,数据主要来自高收入国家。癌种、病情轻重、治疗方式、族群构成,以及照片采集方式变化,都可能影响模型表现。研究中也测试了化妆、光照和姿势等变化对模型的影响,但受控条件下的测试,不能保证不同医院、不同设备拍出的照片都一样可靠。1

更关键的是增量价值。医生已经有病历、检查结果和体能评估,如果加入照片评分后,判断只好一点点,却带来大量误报和额外焦虑,那它未必值得常规使用。需要比较的是:同一批患者,在现有临床评估基础上加用模型,能否更准确地识别需要帮助的人;风险分数所对应的实际死亡比例是否可靠;不同人群是否承受了不同程度的误判。

再往前一步,还需要前瞻性研究,最好通过合理设计的临床试验比较“使用模型”和“不使用模型”的实际结果:患者症状是否得到更好控制,是否减少了不必要的治疗负担,生活质量和沟通是否改善。预测得准,不会自动变成治疗得好。

照片本身也需要保护。面部信息可以识别个人身份,健康风险评分又属于敏感信息。患者应当知道照片用于什么、谁能看到、保存多久,以及能否拒绝用于研究或其他用途。它更不该被雇主、保险机构拿去给人贴上健康标签。

还有一点需要公开:研究机构已就相关面部健康算法提交美国临时专利申请。这不等于研究结论不可信,但独立团队能否复现、产品利益与研究结论如何区分,都值得持续关注。[2]

我更愿意把它看成一项有意思、但尚未走完验证过程的研究。对医生来说,它将来可能是一盏提示灯;对患者来说,一张照片上的风险分数,还远远不该成为决定人生的判决书。