Lancet Digital Health | 颠覆传统评估模式！基于人脸照片的AI系统，助力癌症患...

正文

请到「今天看啥」查看全文

进行训练 ，其中 56,304 人来自 IMDb-Wiki 数据集（训练）， 2,547 人来自 UTKFace 数据集（初步验证）。

为评估 FaceAge 预测年龄 在癌症诊断患者中的临床相关性， 研究团队在 荷兰和美国两个 国家 三个独立临床队列 （ MAASTRO 、 哈佛胸外科、哈佛姑息治疗队列 ）的 6,196名癌症患者 中 进行测试， 并与 非癌症参考队列进行了比较 。 测试所使用的照片为患者在放射治疗开始时常规拍摄的照片。

图 1.研究方法概述

MAASTRO 队列包括 4 , 906 名患有各种非转移性癌症类型和多种预后的患者。 Kaplan-Meier 生存分析显示， FaceAge 风险分层与死亡率显著相关 ： 随着 FaceAge 风险组的增加，死亡风险也随之增加 ； 在调整年龄、性别和肿瘤因素后， FaceAge 仍然能够显著预测患者的生存情况。 此外， 在乳腺癌、泌尿生殖系统癌和胃肠道癌 等 特定癌症类型中， FaceAge 也表现出优异的 预测 能力 。 上述结果表明， 基于面部特征的年龄评估能有效预测癌症患者生存结局，具有独立于传统因素的预后价值。

进一步 ， 研究团队 在哈佛胸 胸外科 队列 中评估了 FaceAge的预后价值 ， 共 包 含 573例胸科恶性肿瘤患者 。分析结果显示 ， 在调整临床分期、 ECOG体能评分、吸烟史等已知 关键临床 因素 后， FaceAge与总生存率 显著 相关， 而实际年龄与生存 率 无显著相关性 。 此外， 将

请到「今天看啥」查看全文