AI看面部照片估算生物学年龄：医学研究生如何读懂一篇AI医学论文

2026年10月26日讯 据新华社洛杉矶10月24日电，美国麻省总医院布里格姆医疗中心日前发布公报说，该团队训练了一个名为FAHR-Face的人工智能基础模型，可以利用面部照片估算生物学年龄，并用于预测癌症患者的生存情况，相关论文发表在《柳叶刀·数字健康》上。这类AI医学研究近年来越来越多，也是很多医学研究生写综述、做开题时绕不开的文献。

读AI医学论文，先看数据从哪里来

一个模型表现得好不好，首先取决于训练数据。阅读这类论文时，要关注数据集的来源和规模，人群的年龄、性别、种族构成如何，是否来自单一医疗机构。如果训练数据主要来自某一地区或某一人群，模型在其他人群中的表现可能会打折扣，这是讨论部分常被提及的局限。

还要看结局指标是如何定义的。例如“生物学年龄”不是一个可测量的值，生存预测所依据的参照是什么，随访时间是多少，终点事件的定义是什么。

模型的可靠性，很大程度上取决于数据的来源与构成（插画）

再看模型是怎样验证的

内部验证和外部验证是两码事。仅在单一数据集中进行训练集与测试集的划分所得出的结果较为乐观，在独立的数据集上进行验证更能说明问题。阅读时找到论文报告的主要指标，如区分度和校准度，注意置信区间的宽窄。

最后是临床意义。一个模型统计显著，不等于临床有用。它能否提供现有指标之外的额外信息？它能否改变医生决策？它是否方便使用，成本是否合理？这些问题决定了距离临床应用还有多远。

写综述时怎样借助AI整理这类文献？

AI医学文献更新很快，人工追踪很吃力。PaperOK科研助手的医学临床模式内置了该方向的专业知识和插件，可以按照“数据来源、模型类型、验证方式、主要指标、局限”这样的结构，把一批文献整理成对比表格，帮助你看清不同研究之间的差异。官网的GLP-1药物长期安全性综述案例中，智能体进行了20次学术检索，输出带目录的Word初稿，正文引用与文末43篇参考文献一一对应。

按统一的维度整理文献，便于比较不同研究（插画）

整理出来的表格只是阅读的辅助，一定要回到原文核对关键数字。对于涉及患者数据的分析，自己进行分析的时候也要遵循伦理审批与数据保护的要求，不能将包含可识别个人信息的资料提供给任何在线的工具进行处理。

常见问题

问：什么是AI基础模型？

通常指在大规模数据上预训练、可以适配多种下游任务的模型。在医学影像领域，一个基础模型可以经过调整后用于不同的预测任务。

问：医学研究生用AI做统计分析可以吗？

可以辅助，但是统计方法的选择和结果的解释需要自己把关，在论文中如实说明。涉及患者隐私的数据要先进行脱敏处理，遵循伦理及数据管理要求。