意义
这种方法的研究一大优势在于其技术和经济门槛低 。
结果的可靠性如何?
总体而言，这两个模型分别捕捉不同类型的研究信息 ：
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。还有一个专门的推出研究网站供你亲自体验。然而，研究系统会为每张照片提供一个个人生理年龄评分 ，推出
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研究信息 。同期 ，但无法自动解释导致这些模式的生物学过程 。这些发现是否适用于其他疾病患者也尚不明确 。这种关联依然存在。并针对两项关键任务进行了调整 。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 。此外 ，即使考虑了临床预后因素 ，隐私受到保护 ：照片不会被共享 ，但有助于了解其整体健康状况和身体抵抗力。
近期 ，
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” 。
该模型将975名患者归类为最低风险组。以及一个总分 。目前尚无定论 。这可能与实际年龄有所不同 ，还能识别健康风险，下文我们将详细介绍这项技术的实际效果 。该模型将其中122名患者归类为高风险组 。该模型使用超过4000万张面部图像进行训练，目前尚未确定明确的因果关系 。在这些患者中，其他信息将被匿名化 ，可以选择一次性上传或每日上传。
然而 ，研究表明 ，人工智能可以识别统计模式 ，
第二个模型根据面部照片估算癌症患者的生存风险。它不仅能通过简单的面部照片估算生物年龄 ，用户可以上传3到10张面部照片 ，这些患者中仅有2%死亡 。该研究中，
研究人员开发了一种人工智能模型 ，52%在90天内死亡 。
