ИИ оценил риск смерти по фотографии лица

Учёные обнаружили, что внешность онкологических пациентов содержит информацию о выживаемости, которую нельзя объяснить только возрастом

Что можно узнать о здоровье по одному лицу

Врач нередко оценивает общее состояние пациента ещё до изучения анализов. Выраженная усталость, потеря веса, изменения кожи и мягких тканей могут указывать на физическое истощение или последствия заболевания.

Однако такая оценка субъективна. Разные врачи могут по-разному интерпретировать одни и те же внешние признаки.

Исследователи Mass General Brigham и Гарвардской медицинской школы решили проверить, можно ли научить искусственный интеллект анализировать внешность количественно и извлекать из неё информацию, связанную с прогнозом онкологических заболеваний.

Для этого они разработали систему FAHR-Face — Foundation Artificial Intelligence for Health Recognition-Face.

В отличие от обычного распознавания лиц, задача заключалась не в установлении личности человека. Алгоритм должен был обнаруживать закономерности между особенностями внешности и состоянием здоровья.

Работа стала продолжением исследований FaceAge, в которых уже была показана связь между возрастом, определённым по фотографии, и выживаемостью онкологических пациентов.

Теперь исследователи пошли дальше: вместо одного показателя они создали два алгоритма, анализирующих разные характеристики лица.

Как искусственный интеллект обучали на 40 миллионах фотографий

Первоначально исследователи использовали более 40 миллионов изображений человеческих лиц.

На этом этапе системе не сообщали возраст людей, наличие заболеваний или продолжительность их жизни.

Алгоритм обучался самостоятельно обнаруживать закономерности в изображениях. Часть фотографии скрывали, а нейросеть должна была восстановить недостающие участки.

Для успешного восстановления необходимо учитывать взаимное расположение глаз, носа, рта, особенности кожи и другие характеристики лица.

Такой подход называется самообучением на неразмеченных данных. Его преимущество заключается в том, что огромный массив изображений можно использовать без предварительного медицинского описания каждого человека.

После первоначального обучения исследователи создали два специализированных алгоритма:

• Первый — FAHR-FaceAge — предназначался для оценки возраста по внешности. Для его дополнительного обучения использовали более 743 тысяч фотографий с известным возрастом людей. На независимом наборе изображений средняя абсолютная ошибка составила около 5,1 года.
• Второй — FAHR-FaceSurvival — обучали на фотографиях пациентов с онкологическими заболеваниями, сопоставляя изображения с данными об их последующей выживаемости. Для обучения использовали фотографии 34 363 пациентов, ещё 3820 изображений оставили для независимой внутренней проверки.

Дополнительно результаты обоих алгоритмов проверили на данных 4892 онкологических пациентов, проходивших лучевую терапию в Нидерландах.

Таким образом, исследователи оценивали не только способность алгоритма находить закономерности в обучающих данных, но и их воспроизводимость в другой клинической популяции.

Пациенты с высоким показателем риска умирали значительно чаще

Главный результат был получен с помощью FAHR-FaceSurvival — алгоритма, специально обученного оценивать риск смерти по фотографии.

Система присваивала каждому изображению числовую оценку. Чем выше было значение, тем неблагоприятнее в среднем оказывался прогноз в исследованной группе пациентов.

В американской тестовой выборке пятилетняя выживаемость существенно различалась между группами:

• у пациентов с наиболее низкими оценками риска она составляла приблизительно 78%;
• у пациентов с наиболее высокими — около 18%.

Различия сохранялись и после статистической поправки на ряд известных факторов прогноза, включая возраст, пол, локализацию опухоли, цель лечения и особенности лучевой терапии.

В группе с наиболее высокими оценками интенсивность смертельных исходов была примерно в 3,23 раза выше, чем в группе с минимальными оценками (отношение рисков, hazard ratio = 3,23).

Этот показатель характеризует относительную интенсивность наступления события в течение наблюдения. Его нельзя интерпретировать как утверждение, что конкретный человек имеет вероятность смерти в 3,23 раза выше в любой произвольно выбранный момент.

Ещё одно наблюдение касалось ранней смертности: среди 122 пациентов с самыми высокими значениями алгоритмического показателя 52,5% умерли в течение 90 дней. Среди 975 пациентов с минимальными значениями этот показатель составлял 2,1%.

Но речь идёт о небольших крайних группах внутри клинической выборки, а не о способности определять дату смерти отдельного человека.

При проверке в Нидерландах связь между оценкой алгоритма и выживаемостью также подтвердилась, хотя различия между группами оказались менее выраженными, чем в американской выборке.

Это показывает одновременно перспективность метода и необходимость его проверки в разных медицинских учреждениях.

Выглядеть старше — не обязательно иметь худший прогноз

Наиболее интересный результат исследования связан с различием между двумя алгоритмами.

FAHR-FaceAge оценивал, насколько старым выглядит человек по сравнению с его календарным возрастом. Например, если пациенту 60 лет, а алгоритм оценивает его внешность как соответствующую 70 годам, разница составляет плюс 10 лет.

Исследователи обнаружили, что такая разница статистически связана с выживаемостью. Пациенты, выглядевшие значительно старше своего возраста, в среднем имели менее благоприятный прогноз.

Но второй алгоритм — FAHR-FaceSurvival — обнаруживал другую информацию.

Корреляция между разницей фотографического и календарного возраста и оценкой риска смерти была слабой: коэффициент составлял 0,22 в американской тестовой группе и 0,16 в независимой нидерландской группе.

Другими словами, два алгоритма анализировали один и тот же объект, но получали лишь частично совпадающие результаты. Человек мог выглядеть относительно молодо по оценке возрастной модели, но при этом получать неблагоприятную оценку от модели выживаемости. И наоборот.

Это важное наблюдение для понимания связи между старением и болезнями: возрастные изменения внешности и признаки общего ухудшения состояния организма — не одно и то же.

При этом необходимо учитывать, что FAHR-FaceAge не измеряет биологический возраст непосредственно. Он определяет возраст по внешности, который исследователи используют как косвенный показатель физиологического старения.

Какие части лица оказались наиболее информативными

Исследователи попытались выяснить, на какие области лица обращают внимание два алгоритма.

Для этого использовали карты внимания — визуализацию участков изображения, наиболее значимых для формирования результата нейросети.

У FAHR-FaceAge основное внимание концентрировалось на лбу, висках и носогубных складках. Эти области действительно существенно изменяются с возрастом из-за перестройки мягких тканей, изменений подкожного жира и состояния кожи.

Но FAHR-FaceSurvival преимущественно использовал область под глазами и вокруг переносицы.

Здесь возникает интересная историческая параллель: ещё в античной медицине описывали характерные изменения лица у тяжело больных и умирающих пациентов. В медицинской литературе это состояние известно как «лицо Гиппократа».

Однако совпадение областей внимания алгоритма с традиционными клиническими наблюдениями не доказывает, что нейросеть выявляет именно признаки терминального состояния.

Карты внимания показывают, какие области изображения влияли на вычисления, но не объясняют физиологический механизм связи с выживаемостью.

Возможно, алгоритм улавливает изменения, связанные с потерей массы тела, общим истощением или другими последствиями заболевания. Однако непосредственно эти механизмы в работе не были установлены.

Поэтому пока нельзя утверждать, что исследователи обнаружили конкретный новый внешний симптом рака.

Почему фотография ещё не заменяет медицинский прогноз

Оценить статистическую связь между изображением лица и выживаемостью — не то же самое, что доказать клиническую полезность новой технологии.

В октябре 2026 года британский Science Media Centre опубликовал независимый комментарий профессора Мирослава Бобера из Университета Суррея.

Эксперт отметил, что исследование убедительно показывает статистическую связь между внешностью и выживаемостью пациентов с онкологическими заболеваниями, получающих лучевую терапию. Но остаётся принципиальный вопрос: обнаруживает ли искусственный интеллект информацию, которую опытный врач не способен получить при обычном осмотре?

В исследовании не проводилось полноценного сравнения с врачебной оценкой физического состояния пациента, его функционального статуса и степени истощения.

Поэтому неизвестно, насколько алгоритм улучшает существующие клинические методы прогнозирования.

Есть и другие ограничения:

• Использовались преимущественно данные пациентов, получавших лучевую терапию. Результаты нельзя автоматически переносить на здоровых людей или пациентов с другими заболеваниями.
• Точность и прогностические связи необходимо дополнительно проверить в более разнообразных демографических группах. Некоторые результаты различались между подгруппами пациентов, а численность отдельных выборок была небольшой.
• Фотографии не являются абсолютно стабильным источником информации: по оценке независимого эксперта, изменение освещения или выражения лица могло изменять рассчитанный возраст примерно на два года в среднем, а в отдельных случаях значительно сильнее.
• Числовой результат FAHR-FaceSurvival отражает относительную оценку риска внутри исследованной когорты, а не индивидуальную вероятность смерти конкретного человека.

Где новая технология действительно может пригодиться

В онкологии прогноз зависит не только от характеристик опухоли.

Большое значение имеет физическое состояние пациента: сможет ли организм перенести операцию, интенсивную лекарственную терапию или облучение.

Для оценки этих возможностей врачи учитывают сопутствующие заболевания, питание, физическую активность, функциональный статус и другие показатели.

Алгоритмы анализа лица потенциально могут дополнить такую оценку.

Особенно интересна возможность использования обычной фотографии там, где проведение полноценного обследования затруднено.

Однако пока это только предполагаемая область применения. Исследователи не доказали, что использование FAHR-Face улучшает выбор лечения, снижает смертность или помогает избежать тяжёлых осложнений.

Для этого необходимы проспективные исследования, в которых алгоритм будет оцениваться в реальной клинической практике наряду со стандартными прогностическими инструментами.

Отдельного внимания потребуют вопросы конфиденциальности и использования биометрических данных. Фотография лица, ранее служившая преимущественно средством идентификации, потенциально может стать носителем чувствительной медицинской информации.