面部照片估算生物学年龄：麻省总医院布莱根FaceAge研究撬动24亿美元医疗影像AI市场

文/IAICA.NGO®

医疗人工智能的早期叙事，多半围绕“比放射科医生更快地阅片”展开。如今，这一技术路径正在向另一个方向延伸：读取人脸。研究团队已开发出可依据单张照片估算个体生物学年龄、甚至评估患病严重程度的工具，而试图将该能力商业化的企业正在快速推进。曾经只属于学术好奇心的课题，正演变为健康科技领域最受关注的商业机会之一。

从面部特征到临床信号

科学基础尚处早期，但结果引人注目。位于波士顿的麻省总医院布莱根医疗系统（Mass General Brigham）团队开发了一款名为FaceAge的深度学习工具，可依据人脸照片估算生物学年龄，并已被用于研究癌症患者的生存结局预测。这项经同行评审发表的研究发现，患者的面貌年龄往往比实际出生年龄大出数岁，而这一估算值与患者的实际预后存在相关性。更新的研究延伸则专门聚焦眼部周围特征，用以辅助预后判断。

该思路的关键在于为临床决策增加一个数据维度，并非取代医生。在评估患者是否适合手术、放疗等高强度治疗时，医生本就会凭肉眼观察做出判断。若医疗AI能将这种“直觉判断”转化为一致、可量化的评分，就有望让目前因医生个体差异而波动的决策趋于标准化。研究者明确表示，目标是支持判断，而非取代判断。

需要强调的是，这仍是一项处于开发阶段的技术的商业与技术观察，而非医疗建议。相关工具需要在更多患者群体与不同族裔人群中完成验证，独立专家亦呼吁审慎看待：预测某一结局，并不等于解释其成因。但技术演进的方向已经清晰，面部正在成为医疗AI可以挖掘的又一类临床信号来源。

24亿美元市场与极低的输入成本

研究背后是一个快速扩张的商业领域。据多家研究机构估算，2026年医疗影像AI市场规模约为24亿美元，并预计到2030年代中期将增长至其数倍。由于定义与统计口径不同，各家数字差异较大，具体数值应视为区间参考，但增长方向并无争议。推动力包括放射科医生短缺、扫描量持续上升、云计算成本下降以及深度学习能力的稳步提升。

面部与生物学年龄分析是其中较小的一块，与更广泛的长寿科技和诊断赛道存在交叠。吸引投资者的关键在于输入成本极低：一张照片不需要扫描仪、不需要造影剂，也不需要实验室检验。如果医疗AI能从手机就能拍摄的图像中提取有效信号，筛查的经济学模型将发生根本改变。这也意味着，技术竞争的焦点可能从“谁能拍到更清晰的图像”转向“谁能用最普通的图像得出最可靠的判断”。

商业版图与技术栈分工

商业地图正在快速填充。传统影像设备厂商与一批初创公司正在搭建医疗AI技术栈：对危急发现进行分诊的算法、可嵌入医院信息系统的软件，以及与临床医生并行的决策支持工具。专利申请持续增加，围绕大学研究成果的衍生公司不断出现，规模更大的健康与科技企业则倾向于通过收购而非自建来获取能力。

这一分工格局并不意外。医疗AI的价值链条横跨算法研发、临床验证、注册审批与医院采购，任何单一团队都难以全程覆盖。面部分析类工具由于缺乏专属硬件壁垒，更容易被整合进已有的影像与诊断平台，其竞争最终会落到数据质量、验证广度与合规进度之上。

iaica.com.cn 认为，面部生物学年龄分析的真正门槛不在算法本身，而在多中心、多族裔的验证数据与监管路径的清晰度——谁能率先完成这两项工作，谁就更可能把一项狭窄但已被验证的能力，转化为医院愿意采购、监管机构愿意放行的产品。

对创业者而言，机会在于把窄口径的验证能力产品化；对投资者而言，医疗AI提供了一个罕见的组合：高昂的临床需求、持续下降的算力成本，以及尚未被完全定价的监管不确定性。医学中最廉价的输入，或许真的会是一张照片。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。