结果的可靠性如何?
总体而言 ，
该模型将975名患者归类为最低风险组 。研究这种关联依然存在 。推出任何人都能在几秒钟内拍摄一张简单的研究面部照片。《柳叶刀数字健康》杂志发表了一项有趣的推出研究 。人工智能可以识别统计模式 ，研究他们对其中3820名患者进行了另一项测试 。推出随后 ，研究此外 ，推出隐私受到保护 ：照片不会被共享，研究此外 ，推出目前尚无定论 。研究
结论
人工智能似乎能够从一张面部照片中提取与生物年龄和癌症患者死亡风险相关的推出信息 。研究表明 ，研究该模型将其中122名患者归类为高风险组 。
第二个模型根据面部照片估算癌症患者的生存风险 。研究人员开发了一种名为FAHR-Face（健康识别人工智能基础）的人工智能模型 。面部照片究竟能提供多少额外的预测价值 ，目前尚未确定明确的因果关系 。研究人员获准使用约 43,000 名癌症患者的数据评估该人工智能模型 。
近期 ，眼下和鼻梁区域似乎对做出这些预测尤为重要 。以及一个总分 。与现有的临床方法相比 ，
然而，该研究中 ，
研究人员开发了一种人工智能模型 ，可以选择一次性上传或每日上传。它不仅能通过简单的面部照片估算生物年龄 ，
任何想尝试使用面部人工智能估算自身生理年龄的人都可以在此网站注册并参与这项“公开研究” 。并在一定时间后自动删除 。在这些患者中 ，52%在90天内死亡 。同期 ，其他信息将被匿名化，但有助于了解其整体健康状况和身体抵抗力。然而 ，系统会为每张照片提供一个个人生理年龄评分，并针对两项关键任务进行了调整 。用户可以上传3到10张面部照片 ，该模型使用超过4000万张面部图像进行训练 ，还有一个专门的研究网站供你亲自体验 。
意义
这种方法的一大优势在于其技术和经济门槛低 。下文我们将详细介绍这项技术的实际效果 。还能识别健康风险 ，这两个模型分别捕捉不同类型的信息 ：
首个人工智能模型通过分析面部特征来估算人的生理年龄 。这可能与实际年龄有所不同 ，并提供给其他研究人员 。这些患者中仅有2%死亡 。即使考虑了临床预后因素 ，包括癌症患者的死亡风险 。但无法自动解释导致这些模式的生物学过程 。