结果的可靠性如何?
总体而言 ，并针对两项关键任务进行了调整 。研究下文我们将详细介绍这项技术的推出实际效果 。此外，研究这可能与实际年龄有所不同 ，推出同期，研究然而 ，推出目前尚未确定明确的研究因果关系。
近期，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。可以选择一次性上传或每日上传 。推出与现有的研究临床方法相比，隐私受到保护 ：照片不会被共享，这些发现是否适用于其他疾病患者也尚不明确 。还有一个专门的研究网站供你亲自体验 。52%在90天内死亡 。用户可以上传3到10张面部照片，《柳叶刀数字健康》杂志发表了一项有趣的研究 。目前尚无定论 。
该模型将975名患者归类为最低风险组。并提供给其他研究人员 。随后 ，面部照片究竟能提供多少额外的预测价值 ，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” 。眼下和鼻梁区域似乎对做出这些预测尤为重要 。这种关联依然存在 。该模型使用超过4000万张面部图像进行训练 ，人工智能可以识别统计模式 ，该模型将其中122名患者归类为高风险组 。任何人都能在几秒钟内拍摄一张简单的面部照片。
第二个模型根据面部照片估算癌症患者的生存风险 。这些患者中仅有2%死亡 。系统会为每张照片提供一个个人生理年龄评分，
然而 ，
意义
这种方法的一大优势在于其技术和经济门槛低。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 。
研究人员开发了一种人工智能模型 ，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 。
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信息。研究表明 ，并在一定时间后自动删除 。该研究中 ，还能识别健康风险 ，即使考虑了临床预后因素，此外 ，但无法自动解释导致这些模式的生物学过程 。以及一个总分 。包括癌症患者的死亡风险 。他们对其中3820名患者进行了另一项测试 。