AI看脸预测癌症生存期，求职者该慌吗

AI看脸预测癌症生存期，短期内不会成为招聘筛人的工具，但它正在改写医疗相关岗位的技能清单。

哈佛附属马萨诸塞州总医院百瀚癌症研究所的团队在《柳叶刀·数字健康》发布研究，训练出FAHR-Face模型：输入一张普通脸部照片，就能估算生物学年龄，并对癌症患者的生存风险打分。研究显示，在评分最高的极高危组中，超过一半患者在拍照后90天内离世；最低风险组的90天死亡率仅为2.1%。消息上了热搜，评论区很快出现一种担忧：招聘公司会不会用它筛掉「不够健康」的求职者？

这个担忧值得认真对待，但更值得求职者关注的，是这项研究透露出的岗位变化信号。

AI看脸预测生存风险，会用来筛求职者吗

研究团队自己给出了界限。通讯作者、放射肿瘤学家Raymond Mak强调，开发这个工具的初衷不是取代医生判断，更不是给病人判死刑，而是把医生凭直觉的「望诊」量化、标准化，为制定个性化治疗方案提供客观参考。

原文也提到，纽约大学生物伦理学中心主任Matthew Liao教授指出伦理隐患，其中包括招聘公司会不会用它筛掉「不够健康」的求职者。但这是学者提出的风险假设，不是已经发生的事实。研究团队没有、也不主张把模型用于雇佣决策。

对求职者的实际含义是：这类技术目前定位在临床辅助，离进入招聘流程还很远。真正需要留意的是，当AI工具进入医院和药企，用人单位对岗位能力的描述会跟着变。

医疗岗位的技能需求正在往哪走

这项研究里有一个细节很能说明问题。团队用「注意力映射」追踪AI看脸的哪些区域，发现测年龄的模型盯着法令纹、额头和太阳穴，测生存风险的模型则聚焦眼窝和鼻梁——这与古希腊希波克拉底描述的临终体征不谋而合。

也就是说，AI不是凭空给出结论，它从四千万张无标签人脸中自己「领悟」出特征，再由研究者用可解释性工具去验证。这套流程背后需要的人，不只是会看片的医生，还包括能清洗数据、能评估模型、能向临床解释结果的人。

对想进入医疗行业的求职者，这意味着三件事：

• 临床岗位的招聘描述里，出现「参与AI辅助诊断工具评估」「理解模型输出并转化为治疗建议」这类要求的概率在上升；
• 医学影像、病理、放疗等科室，越来越需要能和工程师对话的复合型人员；
• 数据标注、模型验证、临床研究协调等支撑岗位，会随着这类研究落地而增加。

反过来说，只会机械执行、不愿接触新工具的岗位，被压缩的空间更大。

求职者现在能做什么准备

不必因为一条热搜就去学编程，但可以有针对性地补三块能力。

第一，读懂研究结论的边界。这项研究测试了3820名癌症患者，模型在特定人群上表现稳定，但研究团队明确说它只是「额外参考指标」。求职面试时，能说清一个AI工具「能做什么、不能做什么」，比会背参数更有说服力。

第二，理解数据伦理。原文提到保险承保、招聘筛选等伦理担忧，医院和药企在招人时越来越看重候选人是否具备合规意识。了解数据使用的边界，是医疗行业求职的加分项。

第三，保持对工具的好奇。研究团队开放了在线项目，上传照片可获取脸部年龄报告。这类公开项目是了解AI医疗落地方式的最低成本入口，比空谈趋势有用。

别把技术新闻读成焦虑新闻

这项研究最扎心的地方，是它证实了吸烟、酗酒与生物学年龄增加挂钩，吸烟的影响还呈现剂量依赖关系。换句话说，脸不会说谎，熬夜和抽烟都会留下痕迹。这对求职者的提醒很朴素：健康管理本身就是职业竞争力的一部分，和AI会不会看脸无关。

技术进展值得关注，但不必把每一个AI突破都翻译成「我要被替代了」。医疗行业的特殊性在于，它受伦理、监管和临床验证的多重约束，落地速度远慢于热搜速度。求职者真正该做的，是盯住岗位描述里那些正在变化的词。想看同类岗位的实时变化，可在求职者营地（qzzyd.com）按城市和行业订阅医院、药企官网的在招岗位，比追热点更能看清方向。