顔写真1枚から「見た目の年齢」と「がん治療後の死亡リスク」を読む AI。4,000万枚超の顔で学んだ基盤モデルは、2つの道具で顔の別の場所を見ていた

この記事には広告（Amazon アソシエイトのリンク）を含みます。

医師は患者の顔を見て、いろいろなことを読み取っています。年齢のわりに老けて見えるか、疲れているか、体力が残っていそうか。がんの治療で強い放射線や抗がん剤に耐えられるかを判断するとき、この「見た目」は数値にならないまま、経験としてだけ使われてきました。米国の Mass General Brigham がんセンターの Fridolin Haugg、Raymond Mak、Hugo Aerts らの研究グループは、それを AI に肩代わりさせる試みをしています。顔写真1枚から「生物学的な年齢」と「がん患者の死亡リスク」を推定する2つの道具を作り、論文を The Lancet Digital Health の2026年10月号に発表しました。

4,000万枚超の顔で、まず「顔とは何か」を学ばせる

研究グループはまず、4,000万枚以上の顔写真を使って、顔の構造そのものを学ぶ基盤モデル「FAHR-Face」を作りました。学習の方法はマスク付きオートエンコーダーといい、写真の一部を隠して、隠した部分を復元させる訓練を繰り返すものです。正解のラベル（年齢や病名）はいりません。何千万枚もの顔を復元するうちに、モデルは目・鼻・口の配置、しわや肌の質感、年齢とともに変わる特徴を、内部の表現として持つようになります。

この基盤モデルを土台にして、2つの道具を仕上げました。1つは生物学的年齢を推定する「FAHR-FaceAge」。年齢のラベルがついた公開の画像データセット10種類で、年齢の偏りをならしながら2段階で追加学習しました。もう1つは「FAHR-FaceSurvival」で、放射線治療を受けたがん患者3万4,363人の顔写真と、その後の生死の記録で追加学習しました。基盤モデルが顔の特徴をすでに知っているので、この規模の臨床データでも学習が成り立った、と論文は説明しています。

顔写真1枚から「見た目の年齢」と「がん治療後の死亡リスク」を読む AI。4,000万枚超の顔で学んだ基盤モデルは、2つの道具で顔の別の場所を見ていた

見た目の年齢と、死亡リスク

FaceAge の精度は、公開データセットで実年齢との差が平均5.1年でした。比較した既存のモデルは6.92年で、人生の全年齢で精度を保っていたと論文は書いています。化粧、フェイスリフト、眼鏡、照明の違いにはほとんど影響されず、鼻の整形手術を受けた人では小さな誤差が出ました。

がん患者では、FaceAge が実年齢より5歳以上高い（老けて見える）人は、死亡リスクが21%高くなっていました。New Atlas の記事は「5歳若く見える人は生存率が17%高い」とも書いていますが、何と比べた数字かは記事から読み取れません。

FaceSurvival は、学習に使っていない別の2つの集団（約4,000人と約5,000人のがん患者）で試されました。推定リスクで4つに分けると、最高リスクの群は最低リスクの群に比べて死亡率が3倍以上（年齢や病期などの臨床的な要因で調整したハザード比3.23）でした。90日以内に亡くなった人の割合は、最高リスク群で52%、最低リスク群で2.1%です。年齢・性別・人種・がんの種類で分けても傾向は保たれていたとされています。

興味深いのは、2つの道具が顔の別の場所を見ていたことです。モデルがどこに注目しているかを可視化すると、FaceAge は主に鼻の両脇のしわ（ほうれい線）、眉の上の額、こめかみを見ており、FaceSurvival は目の下と鼻筋のまわりを見ていました。それぞれ違う情報を取り出しているので、2つを組み合わせると予測の精度が上がりました。Mass General Brigham の発表によれば、喫煙は顔の老化にいちばんはっきり表れ、現在の喫煙者は元喫煙者より、元喫煙者は吸ったことのない人より老けて見えたそうです。

何に使えて、何に使えないか

責任著者の Mak は放射線腫瘍医で、強い治療を勧める前に患者の体力の「余力」や虚弱さを見積もる、よい方法が医師に必要だと述べています。採血や画像検査がすぐにできない場面でも、写真なら撮れます。論文は、従来の生体指標が使えないときにリスクの層別化を補う手段として位置づけています。共同責任著者の Aerts は、AI が写真から直接がんの生存を予測した最初の実証だと、研究グループが知る範囲で述べています。

いくつかの注意点があります。FaceSurvival の学習と検証は、放射線治療を受けたがん患者の写真で行われており、ほかの病気や治療の患者にそのまま使えるかは分かっていません。誤差5.1年という精度は実年齢の推定に対するもので、「生物学的年齢」そのものを測った精度ではありません。4,000万枚超の写真の出どころや多様性は、記事からは分かりません。また、研究資金は欧州研究会議（ERC）からですが、Haugg、Mak、Aerts の3人は顔の健康アルゴリズムについて米国の暫定特許を出願しています。論文にはこの点が利益相反として開示されています。

研究グループは、一般の人が写真を送って自分の FaceAge を知ることができる研究参加サイト（faceage.bwh.harvard.edu）を公開しています。所要10分ほどで、送られた写真はさらなる研究に使われます。これは研究であって、診断や治療方針を決める医療機器ではありません。顔写真が健康の「ものさし」になるかどうかは、こうして集まる次のデータで決まっていくことになります。

画像について

この記事の画像は AI（ChatGPT）で作った想像図で、ご自由にお使いいただけます。お使いになるときは、出典としてこの記事へのリンクを載せていただけるとうれしいです。