この記事で分かること
- 2026年10月、顔写真から「見た目年齢」と「生存リスク」を推定するAI「FAHR-Face」の論文が、医学誌『The Lancet Digital Health』に掲載されました
- 実年齢より老けて見えると判定された方ほど、その後の生存率が低い傾向が示されました
- 対象は放射線治療を受けた患者さんで、健康な方の寿命を占う研究ではありません
- 開発・検証の段階の研究で、診療で使うには前向きな臨床試験が必要とされています
顔写真1枚から、がん患者さんの生存リスクを推定するAIがある。そう聞くと、驚く方もいるかもしれません。「自分の顔から寿命まで分かってしまうの？」「老けて見えるのは、体に何か起きているサイン？」と、少し不安になった方もいるのではないでしょうか。
話題になっているのは、米国ハーバード大学関連の医療機関などの研究グループが2026年10月19日に発表した論文です（Haugg et al. 2026）。4,000万枚を超える顔写真で学習したAIを使い、顔写真から「見た目年齢（生物学的年齢）」と「生存リスク」を別々に数値化しました。
この記事では、論文の本文と表をもとに、何が分かり、何がまだ分かっていないのかを、脳神経外科医の立場から整理します。
本記事は、査読を経た論文に基づく一般的な医療情報です。当院の医師はこの論文の著者ではありません。記載の内容は2026年10月時点のものです。
目次
体調の変化や健康のことで気になる点があれば、お気軽にご相談ください。
1. 見た目年齢AI「FAHR-Face」
FAHR-Face（ファー・フェイス）は、顔写真から健康に関わる情報を読み取るために作られたAIです。土台となるAIに、ラベルの付いていない4,000万枚以上の顔写真を学習させました。写真の一部を隠し、隠れた部分を推測させる練習を繰り返すことで、顔の特徴を幅広くとらえられるようにしています。
この土台をもとに、目的の違う2つのAIが作られました。
- FAHR-FaceAge：顔写真から「見た目の年齢（生物学的年齢）」を推定するAI
- FAHR-FaceSurvival：顔写真から、その後の生存リスクを推定するAI
生物学的年齢とは
生物学的年齢とは、生まれてから数えた実年齢とは別に、体の老化の度合いから推定される年齢のことです。この論文では、顔写真からAIが推定した年齢を生物学的年齢として扱い、実年齢より上に出るほど体の状態が良くない目安になると考えています。
同じグループは2025年にも、顔写真から生物学的年齢を推定する「FaceAge」というAIを発表しています（Bontempi et al. 2025）。今回の論文では、FAHR-Faceによる見た目年齢のほうが、この以前のAIよりも生存との関係を強くとらえられたと報告されています。
どんな人のデータで調べたか
| 項目 | 内容 |
| 土台AIの学習 | 顔認識の研究用データセット（WebFace42M）に含まれる4,000万枚以上の顔写真 |
| 主な解析の対象 | 米国ハーバード大学関連の6施設で放射線治療を受けた38,183人（がんの方が中心で、良性の病気の方も含む） |
| 生存リスクAIの学習と確認 | 上記の患者さんの写真のうち34,363枚で学習し、別に取り分けた3,820人分で確認 |
| 別の集団での確認 | オランダ・マーストリヒトで放射線治療を受けたがん患者さん4,892人 |
| 写真の種類 | 専用の医療機器ではなく、一般向けのデジタルカメラで撮れる通常の顔写真 |
2. 見た目年齢が高いと生存率が低い傾向
見た目と寿命の関係は、以前から研究されてきました。デンマークの70歳以上の双子1,826人を対象にした研究では、看護師などが顔写真から判定した見た目年齢が、実年齢や性別などをそろえても生存と関係していました。双子のうち老けて見えるほうが、先に亡くなりやすい傾向も報告されています（Christensen et al. 2009）。今回の論文は、この「人の目」による判定を、AIで数値にしようとしたものです。
まず、見た目年齢を推定するAIの精度です。健康と考えられる方の写真を集めた公開データで、実年齢とのずれは平均5.1歳でした。比較のために、土台の学習を行わずに同じ型のAIを作ると、ずれは平均6.92歳でした（Haugg et al. 2026）。なお、オランダの患者さんのデータでは、ずれは平均6.99歳でした。
次に、38,183人の患者さんで「見た目年齢 − 実年齢」の差を調べました。全体の33.0%の方が、実年齢より5歳以上老けて見えると判定されています。
老けて見える患者さんは死亡リスク約2割増
年齢・性別・がんの種類・治療の目的などをそろえて比べると、実年齢より5歳以上老けて見える方は、そうでない方と比べて、死亡のリスクが21%高いという結果でした（ハザード比1.21、95%信頼区間1.17〜1.26）。反対に、5歳以上若く見える方は、リスクが17%低くなっていました（同0.83、0.79〜0.86）。
短期間での差も示されています。放射線治療を受けた患者さんのうち、実年齢より20歳を超えて老けて見えた方では、90日以内に亡くなった方が21.3%でした。10歳以上若く見えた方では6.4%でした。
老けて見える原因？喫煙・飲酒との関係
論文では、見た目年齢の上振れと生活習慣の関係も調べています。最も強く関係していたのは喫煙で、今吸っている方、以前吸っていた方、吸ったことがない方の順に、また吸ってきた量が多いほど、老けて見える傾向がありました。多量の飲酒や薬物の使用も、老けて見えることと関係していました。
読み方の注意
これは生活習慣と見た目年齢の「関係」を見たもので、生活習慣を変えると見た目年齢が下がるかを確かめたものではありません。
公開データでは化粧や角度の影響は小さい
見た目年齢のAIについて、公開データにある同じ人を短い期間に撮った写真で比べると、化粧の有無、撮影の角度、照明、表情によって、推定される年齢に統計的な差はありませんでした。美容外科手術では、眉・まぶた・フェイスリフト・顔の骨の手術の前後で差はなく、鼻の手術の後だけ平均1.11歳高く推定されました。生存リスクのAIでは同様の検証は報告されておらず、論文は画質・照明・表情が精度に影響しうるとしています。
3. 生存リスクAIで分かったこと
もう一つのAI、FAHR-FaceSurvivalは、顔写真から0〜1のスコアを出します。数字が大きいほど、生存リスクが高いと判定されたことを意味します。
確認用の3,820人では、スコアが0.1上がるごとに死亡リスクが17%高くなっていました（ハザード比1.17、95%信頼区間1.14〜1.20）。これは年齢・がんの種類・治療の目的などをそろえたうえでの結果です。
スコア別の死亡リスク
スコアを4段階に分けて比べた結果が下の図です。最も高い段階の方は、最も低い段階の方と比べて、死亡のリスクが約3.2倍でした。
| AIのスコア | 死亡リスク（ハザード比、0.25未満を1とした場合） | 95%信頼区間 |
| 0.25未満 | 1.00 | 基準 |
| 0.25〜0.49 | 1.58倍 | 1.36〜1.84 |
| 0.50〜0.74 | 2.24倍 | 1.91〜2.63 |
| 0.75以上 | 3.23倍 | 2.70〜3.86 |
放射線治療を受けた患者さんでの値。出典：Haugg et al. 2026（Table 2）。年齢・性別・人種・がんの種類・治療の目的・治療年・放射線の方法をそろえた値。確認用データ3,820人のうち、必要な情報がそろった3,478人での解析。
短期間の予測では、放射線治療を受けた患者さんのうち、スコアが0.9以上の方の52.5%が90日以内に亡くなっていました。0.1未満の方では2.1%でした。
2つのAIは顔の別の場所を見ていた
AIが顔のどこに注目しているかを調べると、生存リスクのAIは目の下から鼻筋にかけてを、見た目年齢のAIはほうれい線・額・こめかみを主に見ていました。2つのスコアの関係は弱く、同じ土台から作られていても、別々の情報をとらえていると考えられています。
オランダの4,892人でも、2つのスコアはそれぞれ生存と関係していました。2つを組み合わせたモデルは、どちらか一方だけのモデルよりも、データへの当てはまりが良い結果でした（Haugg et al. 2026）。
AIや健康情報のことで気になる点があれば、お気軽にご相談ください。
4. この研究をどう読むか
ここからは、論文に書かれている限界と、当院の医師としての考えを分けてお伝えします。
論文が自ら挙げている限界
- 対象はがん患者さんの集団で、主に高所得国の施設のデータです。ほかの病気や地域、人数の少ない人種の方にそのまま当てはまるかは分かっていません
- 写真の画質・照明・表情は、精度に影響しうるとされています
- 人種・年齢などによる偏りが残る可能性があります
- 診療での役割は、前向きな臨床試験で確かめる必要があるとされています
- 過去の診療で撮影された写真と記録をさかのぼって解析した研究（後ろ向き研究）で、AIを使うことで患者さんの経過が良くなるかを確かめたものではありません
論文の数字からも、読み方の注意点が見えてきます。確認用の3,820人のうち、アジア系の方は116人（3.0%）でした。また、生存リスクAIの予測の当たりやすさを示す指標（C-index）は全体で0.72で、年齢や病気の種類などのグループ別では0.53〜0.88とばらつきがありました。この指標は0.5が偶然と同じ、1.0が完全な予測を表します。土台の学習を行わずに作ったAIの0.66よりは高いものの、一人ひとりの経過をぴたりと当てられる数字ではありません。
なお、論文には、研究機関が顔写真による健康評価のアルゴリズムについて米国で特許を仮出願していることが明記されています。
当院の医師としての考え
「顔色がすぐれない」「急にやつれた」と感じ取ることは、医師が日々の診察で自然に行っていることです。
この研究は、その感覚を数値にしようとする試みとして意義があると考えます。
ただし、示されたのは集団としての傾向です。一人ひとりの寿命を写真で占える段階ではありません。
「見た目年齢アプリ」との違い
スマートフォンなどで見た目年齢を判定するアプリやサービスは、以前からあります。今回の論文のAIは、放射線治療を受けた患者さんのデータで生存との関係を検証したもので、こうしたアプリの結果が健康状態を表すことを示した研究ではありません。アプリの判定で一喜一憂する必要はないと考えます。また、顔写真は個人を特定できる情報です。アプリやサイトに写真を送る前に、写真がどのように扱われるかを確かめておくと安心です。
医療とAIのいま
AIは、医療の画像の分野で少しずつ使われ始めています。当院のMRIでも、AIによる画像技術を導入し、撮影時間の短縮と画質の向上に取り組んでいます。一方で、今回のような顔写真のAIは、まだ研究の段階です。新しい技術は、どこまで確かめられているかを見極めながら付き合っていくことが大切だと考えています。
また、論文で見た目年齢と最も強く関係していた喫煙は、当院の認知症の予防できる要因についての記事でも取り上げている生活習慣の一つです。
論文やAIの話題をきっかけに、ご自身の健康が気になった方もご相談ください。
5. よくある質問
Q. 自分の顔写真をAIに見せれば、寿命が分かるのですか？
現時点では分かりません。2026年に『The Lancet Digital Health』に掲載された顔写真AI「FAHR-Face」の研究は、放射線治療を受けた患者さんの集団で、顔写真のスコアとその後の生存の関係を調べたものです。示されたのは集団としての傾向で、健康な方一人ひとりの寿命を予測できることを確かめた研究ではありません。
Q. 実年齢より老けて見えるのは、病気のサインですか？
老けて見えることだけで、病気があるとは言えません。顔写真AI「FAHR-Face」の論文で示されたのは、放射線治療を受けた患者さんで見た目年齢が高い方ほど生存率が低い傾向があるという関係で、原因と結果を示したものではありません。体重が急に減った、疲れやすさが続くなど、見た目以外の変化が気になるときは、医療機関にご相談ください。
Q. AIは顔のどこで見た目年齢を判断していますか？
顔写真AI「FAHR-Face」の論文によると、見た目年齢のAIは主にほうれい線・額・こめかみに注目していました。40歳以降では、こめかみと額への注目がより強くなっていました。一方、生存リスクのAIは目の下から鼻筋にかけてに注目しており、2つのAIは顔の別の場所を見ていたと報告されています。
Q. 化粧や整形で、AIの判定は変わりますか？
顔写真AI「FAHR-Face」の論文では、見た目年齢のAIについて公開データの写真で調べた範囲で、化粧の有無、撮影の角度、照明、表情による統計的な差はありませんでした。美容外科手術では鼻の手術の後だけ平均1.11歳高く推定され、眉・まぶた・フェイスリフト・顔の骨の手術では差がありませんでした。生存リスクのAIでは同様の検証は報告されていません。
Q. 顔写真で健康を判定するAIは、もう病院で使われていますか？
顔写真AI「FAHR-Face」の論文は、過去の記録をさかのぼってAIの開発と検証を行った研究で、著者ら自身が、診療での役割は前向きな臨床試験で確かめる必要があると述べています。将来は、強い治療に耐えられるかどうかを判断する材料の一つになる可能性が論じられていますが、現時点では研究の段階です。
6. まとめ
- 2026年10月、4,000万枚以上の顔写真で学習したAI「FAHR-Face」の論文が発表されました。
- 放射線治療を受けた患者さんでは、年齢などをそろえても、5歳以上老けて見える方の死亡リスクが21%高い傾向がありました。
- 生存リスクのスコアが最も高い段階の方は、最も低い段階の方の約3.2倍のリスクでした。
- 対象は放射線治療を受けた患者さんで、アジア系の方は少数でした。
- 一人ひとりの寿命を写真で占える段階ではなく、前向きな臨床試験が必要とされています。
顔写真から健康を読み取るAIは、まだ研究の入り口に立ったところです。見た目の印象に振り回されるより、気になる症状や体調の変化があれば、早めに確かめておくことのほうが大切だと考えています。不安なことがあれば、どうぞご相談ください。
お問い合わせ・ご予約
頭痛やめまい、物忘れ、手足のしびれなど、体調や脳の健康について気になることがあれば、お気軽にご相談ください。ご予約は、下記から可能です。
当院公式LINEにてご質問等もお受けしておりますので、お気軽にお問い合わせくださいませ。
関連記事
重要：本記事の位置づけ（医療情報として）
- 本記事は、研究報告や公的資料に基づく「一般的な医療情報」です。
- 特定の検査や治療を推奨・保証するものではありません。
- 実際の診断や治療は、症状・既往歴などを踏まえて医師が判断します。
この記事を書いた先生のプロフィール
参考文献
- Bontempi, D, Zalay, O, Bitterman, DS, Birkbak, N, Shyr, D, Haugg, F, Qian, JM, Roberts, H, Perni, S, Prudente, V, Pai, S, Dekker, A, Haibe-Kains, B, Guthier, C, Balboni, T, Warren, L, Krishan, M, Kann, BH, Swanton, C, De Ruysscher, D, Mak, RH & Aerts, HJWL 2025, ‘FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study’, The Lancet Digital Health, vol. 7, no. 6, 100870, DOI 10.1016/j.landig.2025.03.002, viewed 21 October 2026, <https://pubmed.ncbi.nlm.nih.gov/40345937/>.
- Christensen, K, Thinggaard, M, McGue, M, Rexbye, H, Hjelmborg, JV, Aviv, A, Gunn, D, van der Ouderaa, F & Vaupel, JW 2009, ‘Perceived age as clinically useful biomarker of ageing: cohort study’, BMJ, vol. 339, b5262, DOI 10.1136/bmj.b5262, viewed 21 October 2026, <https://pmc.ncbi.nlm.nih.gov/articles/PMC2792675/>.
- Haugg, F, Lee, G, He, J, Nürnberg, L, Bontempi, D, Bitterman, DS, Catalano, P, Prudente, V, Glubokov, D, Warrington, A, Pai, S, De Ruysscher, D, Guthier, C, Kann, BH, Gladyshev, VN, Aerts, HJ & Mak, RH 2026, ‘Foundation artificial intelligence models for health recognition by use of face photographs (FAHR-Face): a model development and validation study’, The Lancet Digital Health, 101056, published online 19 October 2026, DOI 10.1016/j.landig.2026.101056, viewed 21 October 2026, <https://pubmed.ncbi.nlm.nih.gov/42897078/>.
