---
title: "AI看脸预测死亡：应验的是风险分层，不是个体命运"
canonical_url: "https://supawriter.sevnday.com/articles/5964653a-3575-4a33-b7b8-55a7013206cb"
channel: "具身硬件与前沿科学科普"
channel_slug: "frontier-sci"
author: "SuperAdmin"
published_at: "2026-10-27T03:34:18.234454+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 4349
keywords: ["AI医疗","癌症预后","面部衰老","健康筛查","隐私伦理"]
---

> 摘要：一项研究让AI仅凭面部照片为3820名癌症患者评估死亡风险，最高风险组约50%在90天内死亡，最低风险组仅约2%。但这是队列内的统计分层，AI捕捉的中间变量是“脸显老”这一代理信号，而非死亡本身。文章拆解该信号的成立条件、失效边界与隐私伦理问题，帮助读者区分科研队列中的风险信号和面向大众的健康评估。

# AI看脸预测死亡：应验的是风险分层，不是个体命运

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072241_a891ab.webp)## “90天应验一半”到底应验了什么

### 研究让AI看脸给3820名癌症患者打分

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072240_7ec19a.png)先把标题里的“应验一半”还原成数字。一项研究让AI仅凭一张脸部照片，为3820名癌症患者评估死亡风险（E01）。这些患者AI此前从未见过。按风险分分组后，最高风险组约50%在90天内死亡；最低风险组975人中，同期去世的只有20人（E39、E02）。

### 最高风险组与最低风险组的死亡率差距

50%对约2%，差距确实悬殊。但这里说的是组水平：被划入最高风险组的人里，大约一半在三个月内去世；被划入最低风险组的人里，绝大多数活过了90天。它没有说“给某个人打分，就能算出他哪天走”。媒体报道将该模型定位为“初步预测”（E08），也有帖子用“高危癌症患者逾半3个月内死亡”作标题（E17），但这类表述省略了队列、癌种和统计口径，容易把组间差异读成个体命运。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072241_662e4a.webp)### 这不是算命，是队列内的风险分层

所以“应验一半”应验的是分层能力：模型把一群人分成风险高低不同的组，组间死亡率确实拉开了距离。它没有应验的是个体预言——同一个风险分落在具体某个人身上，误差可能很大。把组水平的统计信号压缩成“拍张脸就知道还能活多久”，是标题式误读的核心。这项研究本身也受限于波士顿地区以白人为主的癌症患者队列，结论能否迁移到其他人群，尚待验证。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072242_3e9135.webp)## AI看到的不是死亡，是“脸显老”

FaceAge 模型用超过 4000 万张人脸照片训练，学习的目标很具体：从一张照片估计“这个人看起来多大”（E11）。它不看双眼皮宽窄或鼻梁高低，而是捕捉皮肤纹理、面部脂肪流失、骨骼结构变化这类与衰老相关的视觉特征，输出一个“脸部年龄”。这个数字本身没有医学含义，它只是一个统计估计值。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072243_3f6cb4.webp)真正被用来做生存分析的，是脸部年龄与实际年龄的差值，以及研究提出的“面部衰老率”：两次拍照之间脸部年龄的变化量除以时间间隔。大于 1，意味着单位时间内脸龄增长快于实际时间，也就是“老得比正常快”（E12）。在长期随访组中，面部衰老率大于 1 的患者中位生存期为 15.2 个月，衰老较慢者为 36.5 个月（E14）。差距确实明显，但这是组间中位数的比较，不是对个体寿命的倒计时。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072244_9a3553.webp)这里的关键在于，AI 捕捉的是一个代理变量。来源引述研究结论称“看起来更老与整体生存率较低相关”（E28），并提到“平均来说，癌症患者看起来比他们的实际年龄更老”（E29）。也就是说，模型学到的是“脸显老”与“生存较差”在癌症患者队列中的统计关联。它没有读取死亡信号，也没有解释为什么显老。

显老可能来自治疗副作用、营养状态、长期压力、合并症，甚至社会经济条件。这些因素都会在脸上留下痕迹，AI 把它们聚合成一个风险分数。分数高，说明这个人的面部特征更像一个更老的人；至于背后是哪种因素在起作用，模型说不出。注意力图能显示它看了脸的哪个区域，但显示不了它“理解”了什么。

观察性关联不能推出因果。面部衰老率与生存期的相关，不意味着“老得快”导致“死得早”，也不意味着干预面部衰老就能改善生存。来源明确该信号来自癌症患者队列，不能外推到健康人群做筛查。把一张脸的照片当成死亡预言，越过了这个代理变量能承载的边界。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072245_fa03bb.webp)## 信号成立的条件，比信号本身更值得关注

### 表情、妆容、光线、种族差异都会干扰模型

面部衰老率这个代理变量本身就不稳定。它依赖的是面部外观特征，而外观可以被短期状态和人为修饰轻易改变。一位癌症幸存者用消费级应用 Face Age 做过非科学自测：55 岁治疗期间的照片被估为 51 岁；69 岁时，一张疲倦时拍的照片估为 72 岁，而同一天同一时间、精神更好、微笑着涂了口红拍的另一张，估为 58 岁。另一天不微笑估 68 岁，微笑估 59 岁。同一张脸，因为表情和妆容的细微变化，AI 给出的年龄估计可以相差十几岁。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072242_4112c2.webp)这个自测用的是消费级应用，不是研究中的 FaceAge 程序，不能当作技术有效性的证据。但它暴露的机制是真实的：模型读的是像素层面的外观特征，而外观受疲劳、表情、口红、光线角度、拍摄设备影响。来源在列举局限时也提到，光线、表情、种族差异会干扰模型，浓妆或医美可能“骗过”它。训练队列以波士顿地区白人为主，换一个人群、换一种拍摄条件，模型输出的稳定性没有保证。在群体统计中，这些噪声可能被平均掉；一旦落到个体决策，同一人数天内两次估计的差异就足以动摇判断。

### 医生参考AI后判断准确率提升，但AI不能替代诊断

上一代研究里有一个值得留意的结果：10 名医生和研究人员只看 100 名晚期癌症患者的照片判断短期生存，准确率约六成，只比瞎猜强一点；拿到 AI 的分析结果后，提高到约八成。这说明 AI 作为辅助信号有潜在价值——它可能捕捉到医生肉眼忽略的面部特征组合。

但这是特定实验设置下的结果，不等于临床常规可用。肿瘤科医生在解读这项技术时明确表示，它绝对不能替代病理检查、影像检查和主治医生综合诊断；预后评估是复杂体系，肿瘤分型、转移情况、治疗方案、基础病都会影响生存期，面部特征只是间接信号，单独依靠人脸判断风险误差极大。AI 的合理角色是提供一条额外的、粗糙的线索，而不是给出结论。把辅助信号当成诊断依据，越过了它所能承载的权重。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/6481dde59793c5d0.png)### 现阶段只适合科研，不宜商业化推广

上述肿瘤科医生的判断是：现阶段只能用于科研，不适合面向大众商业化推广。这个限定不是保守，而是由信号本身的性质决定的。该模型在癌症患者队列中捕捉到了统计关联，但它不是健康人的体检报告，不能外推到普通人群做筛查。对普通人来说，拍张脸预测死亡目前没有可操作的意义——它既没有经过健康人群的验证，也没有证明能指导任何临床决策。

即便技术边界清晰，一张脸作为生物特征被用于健康风险评估，仍会引出隐私与伦理问题。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072246_5d44d2.png)## 当脸成为健康数据，隐私边界不能靠“细思极恐”来划

### 人脸与病情属高度敏感信息

人脸本身已是生物特征，与癌症诊断、生存期放在一起，敏感程度叠加。网友的担忧集中在两点：数据泄露的安全隐患，以及模型被滥用为商业化“算命式”健康评估（E22）。这类担忧目前多为观点表达，尚无针对该模型的实际滥用案例，但风险的性质不需要等事故来证明——一旦面部图像与病历关联存储，泄露的后果不可撤回，也无法像密码那样更换。

![图片](https://supawriter.sevnday.com/cdn-img/articles/article_img_5_1793072246_7d094f.jpg)### 知情同意、脱敏规范与使用边界缺一不可

AI医疗伦理专家提出的要求很具体：建立数据采集、存储、脱敏规范，征得受试者知情同意，划定使用边界（E23）。这些主张针对的是制度缺口，而非技术本身。研究队列中的患者是否理解自己的照片会被用于训练生存预测模型，使用范围是否限于科研，模型输出会不会进入临床决策或保险评估，这些问题在技术性能的讨论中往往被跳过。预防性规范在这里有合理性：生物特征数据的敏感性决定了事后补救的空间很小。

### 警惕“看脸判生死”的渲染式传播

传播链条的证据等级参差。新浪财经页面明确标注为转载，内容仅供参考，不构成投资建议（E10）；一篇腾讯新闻内容的作者声明为个人观点、仅供参考（E37）；另有一处来源在研究者观点处直接中断，未给出模型局限或外部验证说明（E35）。这些材料叠加起来，读者接触到的“哈佛重磅研究”可能经过多层压缩，限定表述在转载和短视频中被削掉，剩下“拍张脸预测死亡”的标题。伦理专家提醒警惕自媒体过度渲染“看脸判生死”、制造焦虑（E23），指向的正是这一放大机制。

对普通读者，可操作的判断框架只有一条：区分同行评议论文、媒体转述和自媒体渲染，看原始研究是否交代了队列、癌种和验证范围。对这类模型，可以要求知情同意与明确的使用边界；至于担心什么，答案不是“脸会泄露命运”，而是面部图像与病情数据一旦结合，其流向和使用目的必须可追问、可约束。

回到最初的问题：一张脸能预测死亡吗？答案取决于你问的是队列统计还是个体命运。

## 参考来源

- [只看一张脸，AI预测的死亡名单，90天后应验了一半| 果壳 科技有意思](https://www.guokr.com/article/470543/)
- [仅凭面部照片就能预测癌症患者死亡风险？新AI模型给出 ...](http://finance.sina.com.cn/jjxw/2026-10-20/doc-inivwitm5739457.shtml)
- [【给你讲Nature】看脸就能预测癌症生存期？ 4000万张人脸训练AI...](https://www.bilibili.com/video/BV1bQtb6uEde/)
- [【#ul健康快訊】AI睇相竟能預測生死？  哈佛研究：高危癌症患者 ...](https://www.facebook.com/urbanlifehk.health/videos/ul%E5%81%A5%E5%BA%B7%E5%BF%AB%E8%A8%8A-ai%E7%9D%87%E7%9B%B8%E7%AB%9F%E8%83%BD%E9%A0%90%E6%B8%AC%E7%94%9F%E6%AD%BB-%E5%93%88%E4%BD%9B%E7%A0%94%E7%A9%B6%E9%AB%98%E5%8D%B1%E7%99%8C%E7%97%87%E6%82%A3%E8%80%85%E9%80%BE%E5%8D%8A3%E5%80%8B%E6%9C%88%E5%85%A7%E6%AD%BB%E4%BA%A1%E4%B8%80%E5%BC%B5%E6%99%AE%E9%80%9A%E7%9A%84%E4%BA%BA%E8%87%89%E7%85%A7%E7%89%87%E7%AB%9F%E7%84%B6%E5%8F%AF%E8%83%BD%E9%9A%B1%E8%97%8F%E7%99%8C%E7%97%87%E6%82%A3%E8%80%85%E7%9A%84%E5%81%A5%E5%BA%B7%E9%A2%A8%E9%9A%AA%E7%BE%8E%E5%9C%8B%E5%93%88%E4%BD%9B%E9%86%AB%E5%AD%B8%E9%99%A2%E7%9B%B8%E9%97%9C%E7%A0%94%E7%A9%B6%E5%9C%98%E9%9A%8A%E9%96%8B%E7%99%BC%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A8%A1/1459020572803303/)
- [AI 借助人脸影像预判癌症患者死亡风险，科研成果引关注](https://www.sohu.com/a/1091528857_122255128)
- [AI看脸预测癌症患者死亡风险：AI到底看懂了脸上的什么](https://post.smzdm.com/p/anv95rdv/)
- [思考人工智能在癌症幸存者中的应用- AI与医疗健康](https://www.familydoctor.cn/news/sikao-rengongzhineng-aizheng-xingcunzhe-zhongde-yingyong-92046.html)
- [AI凭人脸照片预测癌症患者死亡风险](https://houlai.cc/hello/tree/3376/)
- [哈佛重磅研究：AI凭人脸照片，就能预测癌症患者死亡风险](https://news.qq.com/rain/a/20261023V02UNU00)
- [AI"读脸" 识癌症：从面部特征到生死预测的医疗新突破](https://www.xhbks.com/yiliao/330.html)
