FaceAge,一个深度学习系统,可以从面部照片中估计生物年龄,以改善预后:一个模型开发和验证研究
Dennis Bontempi1, Osbert Zalay2, Danielle S Bitterman3
1Artificial Intelligence in Medicine Program, Mass General Brigham, Harvard Medical School, Boston, MA, USA; Department of Radiation Oncology, Brigham and Women's Hospital, Dana-Farber Cancer Institute, Harvard Medical School, Boston, MA, USA; Department of Radiology and Nuclear Medicine, CARIM & GROW, Maastricht University, Maastricht, Netherlands; Department of Radiation Oncology (MAASTRO), Maastricht University, Maastricht, Netherlands.
The Lancet. Digital health
|May 9, 2025
概括
一个深度学习系统,FaceAge,从面部照片中估计生物年龄,表明看起来更老的癌症患者的生存率更差. 这项技术可以改善生存预测,帮助终身护理决策.
科学领域:
- 人工智能在医学中的应用
- 衰老的生物标志物
- 计算病理学计算病理学
背景情况:
- 年代年龄是健康状况的不良指标;生物年龄,体现在外表上,提供了更可靠的见解.
- 目前对外表的医学评估是主观的,缺乏标准化.
- FaceAge是一个新的深度学习系统,旨在从面部照片中客观地估计生物年龄.
研究的目的:
- 开发和验证FaceAge,这是一个用于从面部照片中估计生物年龄的深度学习系统.
- 评估FaceAge在癌症患者中的临床实用性和预后相关性.
- 调查FaceAge与分子衰老机制的关联.
主要方法:
- 从IMDb-Wiki和UTKFace数据集中对超过58,000名个人进行了FaceAge培训.
- 在荷兰和美国队列中的6196名癌症患者中评估了临床效用,与非癌症参考组进行了比较.
- 进行了生存分析 (Kaplan-Meier,Cox建模) 和基因分析,以寻找衰老的关联.
主要成果:
- 在各种癌症类型和癌症阶段,FaceAge表现出显著的独立预后性能.
- 显得年龄大于自己年龄的个体的整体存活率较低 (HR为每十年1.151,p=0.013).
- FaceAge改善了息性癌症患者的生存预测 (AUC 0.74~0.8,p<0.0001) 并与衰老基因相关联.
结论:
- 从面部图像中基于深度学习的生物年龄估计可以提高癌症患者的生存预测.
- FaceAge显示出作为衰老生物标志物的潜力,并可以支持临床决策,特别是在终身护理中.
- 需要在更大的队列中进一步验证,以确认发现并扩展到其他疾病.
