PRS：人工智能对整容手术后减龄的认知有助于预估术后患者满意度

患者行整容手术主要是为了显得更年轻、更精神、更有吸引力。研究显示，整容手术后的满意度很高。然而，感知的面部年龄减少与患者满意度的相关程度尚不清楚。面部手术效果对患者影响的量化一直是整形学科讨论的主题。

由于很少有客观的研究评估整容手术的成功，客观评价整容手术的效果的一种新途径。研究者使用人工智能，以卷积神经网络算法的形式，结合FACE-Q患者报告的结果，来评估整容手术后感知的年龄降低和患者满意度。

图1 文章来源

卷积神经网络算法是采用高精度分析面部图像并预测诸如年龄、性别和情绪等特征，自动学习，通过在包含数百万张公共图像的数据集上进行训练。

图2 从输入面部图像到将线条、形状、角度和颜色像素化隔离到多层决策，再到年龄确定的最终输出的神经网络处理。

该研究共纳入50名女性患者，年龄46 ~ 75岁，平均58.7±6.0岁。患者至少接受了1年的随访，随访时间为14至81个月。

分析结果显示，所有四个神经网络都是准确的:

平均评分为100.8；

亚马逊107.9分；

faceplus85.9，

IBM97.9，

微软评分为111.4

FACE-Q评分与术后估计减少的年数与患者报告的总体面部外观评分之间呈正相关，FACE-Q评分显示患者对面部外观的满意度较高，也显示出高水平的生活质量，且对结果和表示高度满意。数据显示，那些通过神经网络整容后估计年龄降低更多的人往往会提供更高的患者报告的FACE-Q评估分数。

在这项研究中，患者接受了相对相似的面部手术，并且结果也证实使用FACE-Q评估患者自我对整容的满意度是有价值的。

虽然整形外科医生对表观年龄的估计是测量整容后感知年龄降低的合理的方法，但技术进步已经允许通过深度学习的人工智能对术后效果进行评价。

除此外，在加州大学洛杉矶分校最近的一项研究中，发现神经网络估计的年龄减少和患者报告的FACE-Q评分之间存在相关性。这表示神经网络（机器学习）在评估患者年龄方面是准确的，有助于验证神经网络年龄模型。

患者可以比较整容后基于神经网络年龄减少对比外科医生的结果。整形外科医生可以客观地看待不同的技术，比如颌下腺手术是否有益，或者需要多少脂肪移植。

研究者估计年龄降低越多，患者满意度便越高。随着图像分析越来越智能、便利，这可能有助于患者咨询和证明手术成功的有力证据。这一研究显示出人工智能通过卷积神经网络认识到整容手术在患者感知降低年龄方面的成功。

原始文章

Zhang Ben H,Chen Kevin,Lu Stephen M et al. Turning Back the Clock: Artificial Intelligence Recognition of Age Reduction after Face-Lift Surgery Correlates with Patient Satisfaction.[J] .Plast Reconstr Surg, 2021, 148: 45-54.