AI面部照片预测癌症死亡风险，这件事有了一份发在《柳叶刀》上的成绩单。
美国麻省总医院开发了一个人工智能模型。
输入只要一张面部照片。
训练用了超过4000万张面部照片。
测试里，被判为高风险的人，实际死亡率更高。
这份成绩单到底有多硬，离真正用上还差什么？
4000万张脸练手，癌症患者照片只占零头？
百度热搜上的词条说法是，模型基于超4000万张面部照片和约3万张癌症患者照片训练。
两个数字摆一起，患者照片连千分之一都不到。
这意味着癌症患者的照片是少数派，训练数据的大头是更广泛的面部图像。
再看输入端，只要一张照片。不用抽血，也不用上大型设备，采集门槛确实低。这是它最容易被人记住的卖点。
高风险组死亡率更高，这一关算过了？
测试结果有两条。
一条是，被模型判为高风险的人群，实际死亡率更高。另一条是，外貌显老的人，死亡风险也更高。
好的一面很清楚：预测的方向和实际结局对上了，研究还登上了《柳叶刀》这样的期刊。
不够的一面也清楚：目前拿得出手的说法是「更高」，不是一个精确的命中率。
换句话说，现在能确认的是方向，还谈不上精度。
定位只是辅助决策，临床还差什么？
研究者自己给这个工具划了边界：旨在辅助治疗决策，后续仍需大量临床测试。
这意味着它眼下的角色是给医生多一份参考，不是替医生下结论，更不是给患者「算命」。
同样在问「离落地还有多远」的科技新闻不少，比如谷歌太空TPU卫星那条，算力跑起来和真正好用之间，隔着的也是一连串验证。至于AI会跑多快，圈内一直有争论，克拉克的AI奇点判断就是一例。
作为一份成绩单，这个模型的亮点是数据量大、一张照片就能用、高风险组的死亡率方向对得上。短板是还停在实验室到病房之间的那道门槛前。
下一步的看点很具体：大量临床测试能不能交出更细的数字，让医生敢把它放进治疗决策里。