NEW別館「マジか!?ことば」英語と日本語の「えっ、マジか!?」を辞書と論文でウラ取りのぞいてみる →
体と健康・食

入院患者の「顔写真1枚」から、AIが30日以内に亡くなる危険をある程度見分けた

入院患者の「顔写真1枚」から、AIが30日以内に亡くなる危険をある程度見分けた

読む前に予想してみよう!

AIは、健康な人の自撮り写真からその人の寿命を当てられるようになった

研究カード(どんな研究?)
対象
デンマーク東部で救急外来から入院した18〜104歳の患者(年齢の中央値73歳、男性52%)
規模
2万7660人(1人1枚の顔写真)
研究の種類
観察研究(過去の診療記録を使った研究。2021年より前の写真で学ばせ、2021年以降の写真で成績を確かめた)
確かさ
★★★☆☆
3秒でわかる

デンマークで救急外来から入院した2万7660人の顔写真を、AIの学習用と成績の確認用に分けて調べた。顔だけの点数は、この研究で比べた血液検査や脈などの値より、30日以内に亡くなる人をよく見分けた。ただし完璧に当たるわけではない。

ひとことで言うと入院した患者の顔写真1枚から、AIが30日以内に亡くなる危険をある程度見分けた

もくじ
  1. 写真は、診療の途中にスマホで撮った普通の1枚
  2. 見分ける力は1.0満点で「0.77」、当てずっぽうなら0.5
  3. 病院で「危険は低い」とされた人にも、危ない人がいた
  4. AIは顔のどこを見ていたのか
  5. AIの点数は「老けて見える」だけでは説明できなかった
  6. どんでん返し:まだ分からないことが多い
  7. まとめ

デンマークの研究チームが、救急外来から入院した患者2万7660人の顔写真をAIで調べました。入院後の診療の中で、スマホで撮られた普通の写真です。AIが顔だけから出した点数は、30日以内に亡くなる人を、この研究で比べた血液検査や脈などの値よりもよく見分けました。論文は2026年11月19日、学術誌『Nature Communications』に載りました。

ただし、完璧に当たるわけではありません。30日以内に亡くなった人と、30日を過ぎても生きていた人を1人ずつ組にして比べると、亡くなった人のほうに高い点をつけられたのは約77%の組でした。

救急外来では、誰を先に診るかを短い時間で決めなければなりません。手がかりは脈や血圧、血液検査の値です。医師は患者の様子から、言葉にしにくい手がかりを読み取ることもあります。ただ、その感覚は数字にしにくいものです。研究チームは、その手がかりを顔写真から点数にできないかと考えました。

また、「顔で寿命が分かる」という話でもありません。調べたのは、救急から入院するほど具合の悪かった患者たちです。年齢の真ん中の値(中央値)は73歳でした。健康な人の自撮り写真から、あと何年生きるかを当てる研究ではありません。

01写真は、診療の途中にスマホで撮った普通の1枚

研究したのは、コペンハーゲン大学と、コペンハーゲン大学病院(リグスホスピタレット)などの研究者7人です。写真は研究のために撮ったものではありません。入院のあと、診療の一部としてスマートフォンで正面から撮られ、電子カルテに保存されていました。写真は入院から30日以内に撮られ、平均は入院の約6日後でした。入院の初日に撮られたものは9.8%です。1人につき、一番早い1枚を使いました。

チームは写真の背景を消し、顔だけを切り出しました。2021年より前の写真(全体の62%)でAIを学ばせ、2021年以降の写真(38%)で成績を確かめました。後半の写真は学習に使わず、成績を確かめるためだけに使ったわけです。

02見分ける力は1.0満点で「0.77」、当てずっぽうなら0.5

成績は「AUC」という数字で表します。ある期間内に亡くなった患者と、その期間を生き延びた患者を1人ずつ選んだとき、亡くなった患者のほうにAIが高い点をつける確率です。0.5なら当てずっぽうと同じで、1.0なら毎回正しく並べられます。

顔の点数のAUCは、1日以内の死亡で0.82、3日以内で0.80、30日以内で0.77でした。

30日以内の死亡について手がかりを1つずつ比べると、顔の点数の成績が一番でした。次が、血液中のたんぱく質の一種であるアルブミン、実際の年齢、血液のヘモグロビン(酸素を運ぶ成分)、呼吸の数です。血液検査の値を全部まとめても、脈や血圧などを全部まとめても、顔の点数1つに届きませんでした。最も高かったのは、顔・血液・脈などを全部組み合わせたとき(AUC 0.82)です。

研究では、入院した患者の顔をスマートフォンで撮った写真をAIに学ばせた(イメージ図)
研究では、入院した患者の顔をスマートフォンで撮った写真をAIに学ばせた(イメージ図)

03病院で「危険は低い」とされた人にも、危ない人がいた

病院では、脈や血圧、呼吸の数などをまとめて重症度を点数にする「早期警告スコア」がよく使われます。同じ点数の患者の間でも、顔の点数で見ると危険の大きさにはかなりの差がありました。このスコアで「危険が低い」とされた患者の中に、スコアがもっと高い患者より危険の大きい人がいたのです。

デンマークの救急外来は、患者を5段階の緊急度に分けています(1が最も緊急、5が急がない)。顔の点数が上位4分の1の患者は、どの段階でも亡くなる割合が高めでした。緊急度が低いとされた患者の中に、最も緊急とされた患者より危険の大きい人もいました。

04AIは顔のどこを見ていたのか

チームは、AIが画像のどこに注目したかを色で示す方法で調べました。危険の高いグループほど、注目は顔の真ん中に集まっていました。額、目のまわり、鼻、そして鼻の横から口の端へのしわです。口・鼻・目のどこを隠しても成績は下がり、下がり幅は目を隠したときが一番大きくなりました。

写真の色も変えてみました。青みを強くすると、AIの出す危険が一番大きく上がりました。著者たちは、血の巡りや酸素の状態にかかわる色に反応しているのかもしれないが、体の仕組みとして確かめる必要があるとしています。

顔の点数は、心不全やCOPD(たばこなどで肺が傷む病気)、脳卒中などの持病がある人ほど高めでした。血液中のアルブミンや、炎症の目印のCRPとも結びついていました。

05AIの点数は「老けて見える」だけでは説明できなかった

顔と寿命の結びつきは、人の目でも調べられてきました。2009年には同じデンマークで、70歳以上の双子1826人の顔写真を看護師などに見せ、「何歳に見えるか」を答えてもらう研究がありました。実際の年齢をそろえても、年上に見えた人ほど、その後に亡くなりやすい傾向がありました。2025年には、顔写真から見た目年齢を出すAI「FaceAge」で、がんの患者のうち老けて見える人ほど生存が短い傾向が示されています。

今回のチームも、顔から年齢を推定するAIを作りました(ずれは平均4.91歳)。実際より老けて見える人ほど、危険は高めでした。それでも、年齢や見た目年齢の影響を除いた後も、顔の点数は亡くなる人をかなり見分けました。著者たちは、見た目の老けは手がかりの一部だが、主な理由ではないとしています。

病院とは別に、ウィキペディアに載っている人物の顔写真3万726枚でも試しました。撮影から1か月後〜10年後まで期間を変えて調べても、顔の点数が高い人ほど亡くなりやすい傾向があり、年齢の影響を除いても残りました。

一方で、人が顔を見て「信頼できる人か」を見抜く力は、偶然よりわずかに上という程度だった、という研究もあります(顔の第一印象は0.1秒でほぼ決まる)。顔から読み取れることには限りがあります。

06どんでん返し:まだ分からないことが多い

  • デンマーク東部だけ:ほかの国の病院では試していない。地域ごとの医療の違いが結果に出ているかもしれないと著者たちも書いている。
  • 肌の色や祖先:患者が自分で答えたデータがなく、AIで推定したグループで比べた。アフリカ系と推定されたグループでも見分け方は似ていたが、人数が少なく、著者たちは「予備的な証拠」としている。
  • 顔以外を見ている可能性:写真の質、撮った場面、姿勢、写り込んだ医療機器などを手がかりにしている可能性を、完全には消せないと著者たちは書いている。
  • 若い人は評価できていない:40歳未満は亡くなった人が少なく、確かな評価ができなかった。
  • 役に立つかは未確認:実際の診療で使って患者が助かるかは、これからの研究で確かめる必要がある。著者たちは、顔の点数を単独の道具ではなく、ほかの検査と組み合わせる一部と考えている。
  • 特許:著者のうち2人は、リスク予測の方法に関する特許を仮出願している。

07まとめ

今回の研究では、入院した患者の普通のスマホ写真1枚から、AIが顔に表れる手がかりを点数にしました。30日以内に亡くなる人を見分ける力は、この研究で比べた血液検査や脈などの値を上回りました。ただ、ほかの国の病院でも同じように働くのか、実際の診療で使って患者が助かるのかは、まだ調べられていません。

この研究を英語で読もう原田英語の English CornerWhen a patient arrives at the emergency room, staff have to decide quickly who needs help first. 音声 4択クイズ9問A2・B1・B2タップして開く

原田英語の English Corner

この研究を英語で読もう

When a patient arrives at the emergency room, staff have to decide quickly who needs help first. A team in Copenhagen tested whether a face photo could help. They used smartphone photos of 27,660 patients admitted through Danish emergency departments to train and test a computer system. The photos were taken during normal care after admission, with no fixed rules.

The system turned each face into a risk score. For death within thirty days, this single score did better than all the blood tests or all the vital signs combined. Even among patients rated as stable by a standard warning score, some with high face scores were at greater risk than patients with higher warning scores. The authors suggest a face score could be one extra check for hospitals.

129 words ・ CEFR B1

和訳を見る

患者が救急外来に着くと、スタッフは誰を先に助ける必要があるかを素早く決めなければならない。コペンハーゲンのチームは、顔写真が助けになるかを試した。彼らは、デンマークの救急外来から入院した患者2万7660人のスマートフォン写真を使って、コンピューターのシステムを訓練し、成績を試した。写真は、決まった撮り方なしに、入院後の普段の診療の中で撮られたものだった。

システムは、それぞれの顔を危険の点数に変えた。30日以内の死亡については、この1つの点数が、血液検査を全部合わせたものや、脈などの値を全部合わせたものより良い成績だった。標準の警告スコアで「安定している」と評価された患者の中でも、顔の点数が高い一部の人は、警告スコアがもっと高い患者より危険が大きかった。著者たちは、顔の点数が、病院での追加のチェックの1つになりうると述べている。

4択リーディングクイズ

Q1. What is the passage mainly about?

Q2. How were the photos taken?

Q3. What does the writer suggest about patients rated as stable by a warning score?

重要単語

  • mortalityC1
    名詞死亡、死亡率The study looked at mortality within thirty days. mortal(死ぬ運命の)の名詞形。反対は immortality(不死)。infant mortality で「乳児死亡率」
  • emergency departmentB1
    名詞救急外来、救急部She was taken to the emergency department at night. アメリカでは emergency room(ER)とも言う。emergency は「緊急事態」
  • triageC1
    名詞緊急度の判定(誰を先に診るかを決めること)Triage helps nurses decide who to see first. フランス語の trier(選り分ける)から。日本語でも「トリアージ」として使われる
  • predictB1
    動詞予測するIt is hard to predict who will get worse. pre(前もって)+dict(言う)。名詞は prediction。dictionary と同じ dict
  • medianB2
    名詞・形容詞中央値(真ん中の値)The median age of the patients was 73. 値を小さい順に並べたときの真ん中。平均(mean / average)とは違うので注意
  • stableB1
    形容詞(容体などが)安定した、落ち着いたThe patient was stable after the treatment. 名詞は stability。反対は unstable。「馬小屋」の意味の stable もある

4コマでわかる

入院患者の「顔写真1枚」から、AIが30日以内に亡くなる危険をある程度見分けたの4コマ漫画
デンマークで救急から入院した患者2万7660人の、入院後にスマホで撮った顔写真をAIで調べた。顔だけの点数は、この研究で比べた血液検査や脈などの値より、30日以内の死亡をよく見分けた。入院中の患者の話で、自撮りで寿命が分かるわけではない。

押すと「マジかリスト」に保存されます

出典・参考文献(3件)タップで表示
  1. Heckenbach, Iversen, Ben Ezra, Andersen, Bundgaard, Scheibye-Knudsen & Hasselbalch (2026) Facial photographs reveal mortality risk beyond triage and clinical risk scores, Nature Communicationsdoi.org
  2. Bontempi et al. (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 Healthdoi.org
  3. Christensen et al. (2009) Perceived age as clinically useful biomarker of ageing: cohort study, BMJdoi.org