사람의 얼굴 사진만으로 생물학적 노화 정도를 평가하고 암 환자의 생존 위험까지 예측할 수 있다는 연구 결과가 발표됐다. 인공지능이 얼굴에 나타나는 미세한 변화를 분석해 기존 의료정보만으로 파악하기 어려운 건강 상태를 평가할 수 있다는 점에서 의료계의 관심이 높아지고 있다.
미국 매스제너럴브리검(Mass General Brigham) 연구진은 지난 19일 국제학술지 The Lancet Digital Health에 얼굴 사진을 활용한 인공지능 건강 예측 모델 연구 결과를 발표했다.
연구진이 개발한 기술은 FAHR-Face라는 인공지능 기반 모델이다. 4,000만 장 이상의 얼굴 이미지를 학습한 뒤 생물학적 나이를 추정하는 FAHR-FaceAge와 암 환자의 생존 위험을 직접 예측하는 FAHR-FaceSurvival이라는 두 가지 기능으로 발전시켰다.
이번 연구의 핵심은 실제 나이와 생물학적 나이가 반드시 일치하지 않는다는 점에 있다.
생물학적 나이는 신체 기능과 노화 정도를 반영하는 개념이다. 같은 60세라도 한 사람은 건강한 신체 상태를 유지하는 반면, 다른 사람은 만성질환과 신체 기능 저하를 경험할 수 있다. 연구진은 이러한 차이가 얼굴에도 일정 부분 반영될 수 있다고 판단했다.
인공지능 모델은 눈 주변과 코, 이마, 관자놀이, 팔자주름 등 얼굴의 여러 영역에서 특징을 추출했다. 흥미로운 점은 생물학적 나이를 계산하는 모델과 생존 위험을 예측하는 모델이 서로 다른 얼굴 부위의 정보를 활용했다는 사실이다.
생물학적 나이를 추정하는 모델은 주로 팔자주름과 이마, 관자놀이 부위에 주목했다. 반면 암 환자의 생존 위험을 분석하는 모델은 눈 아래와 콧등 주변의 특징을 상대적으로 중요하게 평가했다.
연구 결과 인공지능이 추정한 생물학적 나이가 실제 나이보다 높은 환자는 생존 예후가 좋지 않은 경향을 보였다. 관련 분석에서는 얼굴 나이가 실제보다 5세 이상 높게 평가된 암 환자의 사망 위험이 비교군보다 약 21% 높게 나타났다. 다만 이는 연구 대상 집단에서 확인된 통계적 연관성이며 개인의 생존 여부를 확정적으로 예측한다는 의미는 아니다.
연구진은 흡연과 과도한 음주 등 생활습관도 얼굴의 생물학적 노화와 관련이 있다는 사실을 확인했다. 특히 흡연자는 비흡연자보다 얼굴 나이가 높게 추정되는 경향을 보였으며, 과거 흡연자와 현재 흡연자 사이에서도 차이가 관찰됐다.
이러한 결과는 외형적 변화가 단순한 미용상의 문제가 아니라 건강 상태와 연관된 정보를 포함할 가능성을 보여준다. 다만 얼굴의 노화가 특정 질병을 직접 유발하거나 암 환자의 사망 위험을 결정한다는 인과관계가 입증된 것은 아니다.
의료 현장에서는 이번 기술이 암 치료 방향을 결정하는 보조수단으로 활용될 가능성에 주목하고 있다.
암 환자의 치료계획을 수립할 때 의료진은 종양의 종류와 병기, 환자의 신체 기능, 동반질환, 치료에 대한 내성 등을 종합적으로 평가한다. 동일한 암종과 병기라도 환자의 전신 상태에 따라 적절한 치료 강도가 달라질 수 있기 때문이다.
얼굴 사진 기반 인공지능이 임상에서 충분한 검증을 거친다면 의료진이 환자의 전신 상태를 평가하는 데 추가적인 정보를 제공할 수 있을 것으로 기대된다. 특히 수술이나 방사선치료, 항암치료처럼 신체적 부담이 큰 치료를 계획할 때 환자의 취약성을 판단하는 참고자료로 활용할 가능성이 있다.
다만 임상 적용까지는 해결해야 할 과제도 적지 않다. 인종과 연령, 기저질환에 따른 예측 정확도를 추가로 검증해야 하며, 얼굴 이미지와 같은 민감한 개인정보를 안전하게 관리하는 체계도 필요하다.
연구진 역시 해당 기술이 의료진의 판단을 대체하기보다는 치료 결정을 지원하는 도구가 되어야 한다고 설명했다.
이번 연구는 인공지능 의료기술이 영상검사와 혈액검사 분석을 넘어 일상적인 얼굴 사진까지 진단 보조정보로 활용할 가능성을 제시했다는 점에서 의미가 있다. 다만 얼굴 사진만으로 암을 진단하거나 개인의 수명을 정확하게 예측할 수 있는 단계는 아니다.
향후 다양한 환자 집단을 대상으로 한 추가 연구를 통해 예측의 정확성과 임상적 유용성이 확인된다면 비침습적 건강 평가 기술의 새로운 영역이 열릴 것으로 전망된다.
출처: The Lancet Digital Health, 2026년 10월 19일 발표, Mass General Brigham 연구자료, DOI: 10.1016/j.landig.2026.101056
