FaceAge AI 分析报告
核心发现
-
预测性能突出
- 在10年生存率预测中，FaceAge模型展现出显著优势（HR=1.15，p=0.013-0.021）
- 与Cox模型相比，AUC提升至0.80（p<0.0001），C-index对比0.21 vs 0.24
- 6年生存预测AUC达0.74（基准0.61）
-
多场景验证
- 通过MAASTRO（HR=1.15）、哈佛胸科（HR=1.148）和姑息治疗（HR=1.117）三大医疗中心验证
- 模型在TEACHH队列中保持稳定性能（log-likelihood显著）
技术实现
-
数据基础
- 整合IMDb-Wiki-UTKFace超1000万张面部图像
- 采用Inception-ResNet v1架构
-
创新应用
- 首次实现CDK6生物标志物与面部衰老特征的关联分析
- 独立于BMI/ECOG等传统临床指标（p<0.0001）
临床价值
- 预测精度达4.8分（5分制），误差仅4.79%
- 在胸科专科预测中表现尤为突出（p=0.011 vs 常规模型p=0.16）
关键数据对比
| 指标 | FaceAge | 传统模型 |
|---|---|---|
| 10年HR值 | 1.15 | – |
| 6年AUC | 0.74 | 0.61 |
| 预测误差率 | 4.79% | – |
| 模型评分 | 4.8/5 | – |
注：所有显著性检验p值均<0.05
