얼굴 사진 한 장만으로 암 환자의 생존 가능성을 예측할 수 있다면 어떨까요?

미국 연구진이 인공지능(AI)을 이용해 암 환자의 얼굴에서 건강 상태와 관련된 특징을 찾아내고, 사망 위험을 예측하는 기술을 개발해 세계 의학계의 관심을 모으고 있습니다.

특히 AI가 얼굴 사진을 분석해 향후 90일 이내 사망 위험이 높은 환자를 구분할 수 있다는 연구 결과가 공개되면서 주목받고 있습니다.

2026년 10월 19일 미국 매스제너럴 브리검(Mass General Brigham) 연구진은 새로운 얼굴 분석 AI 모델인 ‘FAHR-Face’를 발표했습니다.

연구 결과는 국제 의학 학술지 ‘랜싯 디지털 헬스(The Lancet Digital Health)’에 게재됐습니다.

연구진은 4,000만 장 이상의 얼굴 이미지로 AI를 학습시킨 뒤 암 환자들의 얼굴 사진을 분석해 생존 위험도를 평가했습니다.

그런데 여기서 중요한 사실이 있습니다.

AI가 얼굴을 보고 사망 날짜를 알아맞힌다는 뜻은 아닙니다.

얼굴에 나타나는 여러 특징과 실제 생존 결과 사이의 통계적 관계를 분석해 위험도가 높은 환자를 구분하는 기술입니다.

이번 연구가 어떻게 진행됐는지, AI는 얼굴의 어느 부분을 분석하는지, 정확도는 어느 정도인지, 실제 병원에서 활용할 수 있는지 자세히 알아보겠습니다.

https://blog.naver.com/ksg4104/224448502193

1. 얼굴 사진으로 사망 위험을 예측하는 AI가 개발됐다

이번 연구를 진행한 곳은 미국의 대형 의료·연구기관인 매스제너럴 브리검입니다.

하버드 의과대학과 연계된 연구진이 참여했으며 방사선종양학 전문의 레이먼드 맥(Raymond Mak) 박사 등이 연구를 이끌었습니다.

연구진이 개발한 AI의 이름은 FAHR-Face입니다.

정식 명칭은 ‘Foundation Artificial Intelligence for Health Recognition-Face’로, 얼굴 사진을 이용해 건강 관련 정보를 분석하는 기반 인공지능 모델이라는 의미입니다.

연구진은 이 모델을 바탕으로 두 가지 분석 도구를 개발했습니다.

하나는 얼굴을 통해 나이를 추정하는 FAHR-FaceAge입니다.

다른 하나는 암 환자의 생존 위험도를 예측하는 FAHR-FaceSurvival입니다.

특히 생존 위험도를 분석하는 모델은 환자의 얼굴 사진에서 특정 특징을 추출하고, 이를 실제 생존 결과와 비교해 위험 점수를 산출합니다.

이 점수가 높을수록 연구에 참여한 암 환자 집단에서 사망 위험이 높게 나타났습니다.

2. AI 학습에 사용된 얼굴 사진만 4,000만 장 이상

이번 연구에서 가장 눈길을 끄는 부분은 AI 학습에 사용된 데이터의 규모입니다.

연구진은 4,000만 장 이상의 얼굴 사진을 활용해 기본 모델을 학습시켰습니다.

이렇게 학습한 AI는 얼굴의 형태와 특징을 분석하는 능력을 갖추게 됩니다.

이후 암 환자의 생존 위험을 예측하도록 추가 학습을 진행했습니다.

생존 예측 모델인 FAHR-FaceSurvival의 추가 학습에는 암 환자의 얼굴 사진 3만 4,363장이 사용됐습니다.

또한 미국과 네덜란드의 독립적인 암 환자 집단을 이용해 모델의 성능을 평가했습니다.

특히 네덜란드의 약 5,000명 규모 독립 환자 집단에서 검증했다는 점은 연구의 강점으로 평가됩니다.

다만 학습에 사용된 사진이 많다는 사실만으로 모든 암 환자에게 정확한 예측을 제공한다고 볼 수는 없습니다.

실제 임상에서 활용하려면 다양한 국가와 연령, 질환 상태를 가진 환자들을 대상으로 추가 검증이 필요합니다.

3. 얼굴만 보고 어떻게 90일 이내 사망 위험을 예측할까?

AI는 얼굴 사진에서 사람의 건강 상태와 관련될 수 있는 특징을 찾아냅니다.

예를 들어 얼굴의 윤곽이나 눈 주변의 변화, 피부와 연부조직의 특징 등이 분석에 활용될 수 있습니다.

이러한 특징을 실제 암 환자의 생존 결과와 비교해 통계적인 관계를 학습합니다.

연구 결과 미국의 시험 환자 집단에서 생존 위험 점수가 가장 높은 그룹은 절반 이상이 3개월 이내 사망한 것으로 나타났습니다.

이 결과는 AI가 사망 위험이 상대적으로 높은 환자들을 구분할 수 있음을 보여줍니다.

하지만 해석할 때 주의해야 합니다.

위험 점수가 높다는 이유만으로 해당 환자가 반드시 90일 안에 사망하는 것은 아닙니다.

반대로 위험 점수가 낮더라도 사망 위험이 없다는 뜻은 아닙니다.

이 기술은 사망 여부를 확정하는 검사가 아니라 통계적인 위험도 예측 모델입니다.

따라서 개인에게 정확한 사망 날짜를 알려주는 기술로 이해해서는 안 됩니다.

4. AI가 가장 중요하게 분석한 얼굴 부위는?

연구진은 AI가 얼굴의 어떤 부분을 중요하게 활용하는지도 분석했습니다.

그 결과 생존 위험 예측 모델은 주로 눈 아래와 콧등 주변 부위에 주목하는 것으로 나타났습니다.

반면 나이를 추정하는 모델은 팔자주름과 이마, 관자놀이 등 다른 부위를 중요하게 활용했습니다.

두 모델이 같은 얼굴 사진을 분석하더라도 서로 다른 정보를 찾아낸다는 의미입니다.

연구진은 이처럼 얼굴의 여러 부위가 건강 상태에 관한 단서를 제공할 가능성에 주목했습니다.

그러나 AI가 눈 아래나 콧등을 중요하게 분석했다는 사실만으로 해당 부위의 변화가 사망 위험을 직접 일으킨다고 볼 수는 없습니다.

또한 일반인이 거울을 보면서 눈 아래가 꺼졌는지 확인한다고 암 환자의 생존 위험을 판단할 수도 없습니다.

AI가 학습한 복잡한 통계적 특징을 단순한 외모 관찰로 대체할 수 없기 때문입니다.

5. 얼굴이 실제 나이보다 늙어 보이면 건강도 나쁠까?

이번 연구에서는 얼굴 사진을 이용해 나이를 추정하는 AI도 개발됐습니다.

FAHR-FaceAge라는 모델입니다.

연구진이 공개한 자료에 따르면 얼굴 사진을 통한 나이 추정의 평균 절대오차는 약 5.1년이었습니다.

평균 절대오차란 AI가 추정한 나이와 실제 나이의 차이를 절댓값으로 계산한 뒤 평균을 낸 수치입니다.

예를 들어 실제 나이가 60세인 사람을 AI가 65세로 추정했다면 오차는 5년입니다.

다만 평균 오차가 5.1년이라는 것은 모든 사람의 나이를 5년 이내로 정확히 맞힌다는 의미는 아닙니다.

연구진은 얼굴에서 추정한 나이와 실제 나이의 차이가 암 환자의 생존 결과와 관련이 있는지도 분석했습니다.

그 결과 얼굴에서 추정한 나이가 실제 나이보다 높은 환자에게서 사망 위험이 상대적으로 높게 나타나는 경향이 확인됐습니다.

하지만 얼굴이 늙어 보인다고 반드시 건강이 나쁘다는 뜻은 아닙니다.

피부 상태와 유전적 특징, 햇빛 노출, 생활습관 등 다양한 요인이 외모에 영향을 줄 수 있기 때문입니다.

6. 생물학적 나이와 실제 나이는 무엇이 다를까?

우리가 일반적으로 말하는 나이는 태어난 날부터 계산하는 실제 나이입니다.

이를 역연령 또는 연대기적 나이라고 합니다.

반면 생물학적 나이는 신체의 기능과 노화 상태를 평가하려는 개념입니다.

같은 60세라도 근육량과 심폐기능, 만성질환 여부, 신체활동 능력 등은 사람마다 다를 수 있습니다.

이러한 차이가 질병 치료를 견디는 능력에도 영향을 줄 수 있습니다.

이번 AI는 얼굴 사진을 이용해 건강과 관련된 노화 특징을 추정하려는 시도입니다.

그러나 얼굴 사진에서 계산한 나이가 실제 신체의 생물학적 노화를 직접 측정한 결과라고 단정할 수는 없습니다.

AI가 측정하는 것은 어디까지나 얼굴의 시각적 특징입니다.

그 특징이 생존 결과와 통계적으로 연관돼 있다는 사실과 실제 노화 과정의 원인을 밝혀냈다는 것은 서로 다른 이야기입니다.

7. 왜 암 환자에게 생존 가능성 예측이 중요할까?

암 치료에서는 어떤 치료를 선택할지 결정하는 과정이 매우 중요합니다.

수술과 항암치료, 방사선치료는 환자의 상태에 따라 큰 도움이 될 수 있습니다.

하지만 치료 과정에서 부작용과 신체적 부담이 발생할 수도 있습니다.

특히 고령이거나 전신 상태가 좋지 않은 환자는 치료의 효과와 부담을 더욱 신중하게 평가해야 합니다.

의료진은 암의 종류와 병기, 검사 결과, 기존 질환, 신체 기능, 환자의 희망 등을 종합해 치료 방향을 결정합니다.

이 과정에서 환자의 생존 가능성을 평가하는 일도 중요합니다.

예를 들어 환자가 강도 높은 치료를 견딜 수 있을지, 치료로 기대되는 이익이 어느 정도인지 판단해야 하기 때문입니다.

연구진은 얼굴 분석 AI가 이러한 판단을 보조하는 추가 정보로 활용될 가능성이 있다고 설명했습니다.

하지만 AI 점수만으로 항암치료나 수술 여부를 결정해서는 안 됩니다.

8. 의사보다 AI가 생존 가능성을 더 정확하게 예측할까?

이번 연구를 접한 사람들이 가장 궁금해하는 질문 가운데 하나입니다.

AI가 얼굴 사진만으로 의사보다 정확하게 사망 위험을 예측할 수 있을까요?

현재 연구만으로 AI가 의사보다 전반적으로 더 정확하다고 단정하기는 어렵습니다.

연구진은 얼굴 분석 모델이 기존 임상 정보와 함께 활용될 때 예측에 도움이 될 가능성을 제시했습니다.

그러나 실제 의료 현장에서는 암의 병기와 영상검사, 혈액검사, 치료 반응, 환자의 전신 상태 등 다양한 정보가 필요합니다.

의료진은 이러한 정보를 종합해 치료 방향을 결정합니다.

반면 얼굴 분석 AI는 얼굴 사진에 나타나는 특징을 활용합니다.

따라서 두 접근법은 경쟁 관계라기보다 서로 보완할 가능성이 있습니다.

중요한 것은 AI가 기존 의료진의 평가에 비해 실제로 얼마나 유용한 추가 정보를 제공하는지 확인하는 것입니다.

9. 90일 이내 사망 위험 예측, 정확도는 어느 정도일까?

이번 연구에서 AI는 위험도가 높은 환자와 낮은 환자를 구분하는 성능을 보였습니다.

특히 미국 시험 집단에서는 가장 높은 위험 점수를 받은 환자 그룹의 절반 이상이 3개월 이내 사망했습니다.

하지만 이것을 AI의 정확도가 50%라는 의미로 해석하면 안 됩니다.

위험도가 가장 높은 그룹에서 관찰된 사망 비율과 전체 예측 정확도는 서로 다른 지표입니다.

또한 생존 위험 예측 모델은 일반적인 질병 진단검사와 평가 방식이 다를 수 있습니다.

중요한 것은 실제 사망 위험에 따라 환자를 얼마나 잘 구분하는지, 예측한 위험 수준이 실제 결과와 얼마나 일치하는지입니다.

더불어 다양한 병원과 환자 집단에서도 비슷한 성능을 유지하는지 확인해야 합니다.

현재 공개된 연구 결과는 가능성을 보여주는 단계입니다.

개별 환자의 남은 수명을 정확히 예측할 수 있는 수준으로 받아들여서는 안 됩니다.

10. 연구진도 인정한 한계, AI가 무엇을 보고 판단하는지 완전히 모른다

이번 연구에 참여하지 않은 영국 서리대학교의 미로스와프 보버 교수는 연구의 가치를 인정하면서도 중요한 한계를 지적했습니다.

네덜란드의 독립적인 암 환자 집단에서 결과를 검증한 것은 강점입니다.

하지만 AI가 기존 의료진이 알아차리지 못했던 새로운 건강정보를 실제로 찾아내는지는 아직 충분히 입증되지 않았다는 것입니다.

AI가 얼굴에서 특정 특징을 찾아냈다고 하더라도 그 특징이 왜 생존율과 관련되는지 명확하게 설명하기는 어렵습니다.

또한 통계적 연관성이 확인됐다고 해서 인과관계가 입증된 것은 아닙니다.

예를 들어 얼굴의 변화가 질병의 영향을 반영할 수는 있지만 그 변화 자체가 사망 위험을 높이는 원인이라는 뜻은 아닙니다.

따라서 연구 결과를 과장하지 않고 임상적 의미를 추가로 검증하는 과정이 필요합니다.

11. 암 환자 얼굴 사진으로 일반인의 수명도 예측할 수 있을까?

이번 연구 결과를 일반인에게 그대로 적용해서는 안 됩니다.

연구에서 생존 위험 예측 모델을 평가한 주요 대상은 암 환자였습니다.

암 환자는 일반인과 질병 상태, 치료 과정, 사망 위험 등이 다릅니다.

따라서 건강한 사람의 얼굴 사진을 분석해 90일 이내 사망 위험을 정확히 예측할 수 있다고 주장할 근거는 부족합니다.

또한 이 기술은 얼굴 사진만으로 암을 발견하거나 암의 종류를 진단하는 검사도 아닙니다.

얼굴 분석 AI와 암 진단 AI는 서로 다른 목적의 기술입니다.

얼굴이 피곤해 보이거나 나이가 들어 보인다는 이유만으로 암을 의심할 필요도 없습니다.

반대로 얼굴이 건강해 보인다고 암이나 다른 질환이 없다고 판단해서도 안 됩니다.

12. 흡연과 음주가 얼굴의 생물학적 나이에 영향을 줄까?

연구진은 얼굴에서 추정한 나이와 생활습관의 관계도 분석했습니다.

그 결과 흡연과 과도한 음주, 약물 사용 등이 얼굴에서 추정한 노화 정도와 관련이 있는 것으로 나타났습니다.

특히 흡연자는 비흡연자보다 얼굴에서 추정한 나이가 높게 나타나는 경향을 보였습니다.

과거 흡연자와 현재 흡연자 사이에서도 차이가 관찰됐습니다.

다만 이번 결과만으로 특정 생활습관이 AI가 추정한 나이를 얼마나 증가시키는지 모든 사람에게 동일하게 적용할 수는 없습니다.

생활습관과 얼굴 노화 사이의 연관성을 보여주는 결과이지 개인별 노화 속도를 확정하는 수치는 아닙니다.

건강을 위해 금연하고 과도한 음주를 피하는 것은 중요하지만 얼굴 AI 점수를 낮추는 것 자체를 건강관리의 목표로 삼을 필요는 없습니다.

13. 얼굴 사진이 의료정보가 된다면 개인정보 문제는?

얼굴 사진을 이용한 의료 AI가 실제 병원에 도입된다면 개인정보 보호도 중요한 과제가 됩니다.

얼굴은 개인을 식별할 수 있는 민감한 생체정보가 될 수 있습니다.

또한 얼굴 사진에서 추정한 건강 상태와 사망 위험도는 매우 민감한 의료정보입니다.

이러한 정보가 적절하게 보호되지 않으면 개인정보 침해나 차별 문제가 발생할 수 있습니다.

특히 보험 가입이나 고용, 금융서비스 등에 건강 위험 예측 결과가 부적절하게 활용되지 않도록 주의해야 합니다.

AI가 특정 인구집단에서 더 낮은 정확도를 보일 가능성도 검토해야 합니다.

얼굴의 형태와 피부 특성, 촬영 환경은 개인과 집단에 따라 다양하기 때문입니다.

실제 의료 현장에 적용하려면 정확도뿐 아니라 개인정보 보호, 공정성, 환자의 동의 절차 등을 충분히 검토해야 합니다.

14. 앞으로 병원에서 얼굴 사진으로 치료 방향을 결정할까?

연구진은 얼굴 분석 AI가 향후 의료진의 치료 판단을 보조할 수 있을 것으로 기대하고 있습니다.

예를 들어 암 환자가 강도 높은 치료를 견딜 수 있는지 평가할 때 추가 정보를 제공할 가능성이 있습니다.

또한 환자의 전신 상태를 정량적으로 평가하는 데 도움을 줄 수 있습니다.

하지만 실제 의료 현장에서 사용하기 위해서는 여러 과제가 남아 있습니다.

먼저 다양한 암 종류와 병기의 환자에게 적용할 수 있는지 검증해야 합니다.

치료 전후 얼굴 변화가 예측 결과에 어떤 영향을 미치는지도 확인해야 합니다.

무엇보다 AI를 활용했을 때 실제로 환자의 치료 결과나 삶의 질이 개선되는지 평가해야 합니다.

단순히 사망 위험을 예측하는 성능이 높다는 사실만으로 임상적 유용성이 충분히 입증되는 것은 아닙니다.

현재 단계에서는 연구 목적으로 개발된 기술로 이해하는 것이 적절합니다.

15. 얼굴 분석 AI에 대해 꼭 알아야 할 질문 5가지

Q. 얼굴 사진 한 장으로 사망 날짜를 알 수 있나요?

아닙니다.

AI는 통계적인 생존 위험도를 추정할 뿐 정확한 사망 날짜를 예측하지 않습니다.

Q. 얼굴이 늙어 보이면 암에 걸렸다는 뜻인가요?

아닙니다.

얼굴의 노화 특징만으로 암을 진단할 수 없습니다.

Q. AI가 90일 이내 사망 위험이 높다고 하면 반드시 사망하나요?

그렇지 않습니다.

높은 위험 점수는 해당 집단에서 사망 위험이 상대적으로 높다는 의미입니다.

개별 환자의 결과는 다를 수 있습니다.

Q. 현재 병원에서 이 검사를 받을 수 있나요?

이번 연구의 FAHR-FaceSurvival은 아직 일반적인 표준 진료 검사로 확립된 기술이 아닙니다.

실제 임상 활용을 위해서는 추가 검증이 필요합니다.

Q. 일반인이 사진을 올려 자신의 수명을 확인할 수 있나요?

연구진은 얼굴 나이 분석을 위한 별도의 연구 참여 프로그램을 운영하고 있습니다.

하지만 이를 암 진단이나 개인별 사망 위험을 확정하는 검사로 이해해서는 안 됩니다.

개인 얼굴 사진을 업로드하기 전에는 개인정보 처리 및 연구 참여 조건을 확인하는 것이 좋습니다.

16. 결론: 얼굴 사진으로 사망 위험 예측, 의료 AI의 가능성과 한계를 함께 봐야 한다

이번 연구는 얼굴 사진이 단순한 외모 정보에 그치지 않고 건강 상태를 평가하는 데 활용될 가능성을 보여줬습니다.

4,000만 장 이상의 얼굴 사진을 학습한 AI는 암 환자의 생존 위험과 관련된 특징을 분석했습니다.

특히 눈 아래와 콧등 주변의 특징이 생존 위험 예측에 중요한 역할을 하는 것으로 나타났습니다.

또한 미국과 네덜란드의 암 환자 집단에서 위험도 구분 능력을 평가했다는 점에서 의미가 있습니다.

그러나 얼굴 사진 한 장으로 정확한 사망 날짜를 알아내거나 모든 환자의 생존 가능성을 확정할 수 있는 것은 아닙니다.

AI가 무엇을 분석해 위험도를 판단하는지, 실제 치료 과정에서 얼마나 도움이 되는지에 대해서는 추가 연구가 필요합니다.

무엇보다 암 환자의 치료 방향은 의료진의 종합적인 평가와 환자의 의사에 따라 결정돼야 합니다.

얼굴 사진으로 암 환자의 사망 위험을 예측하는 AI는 주목할 만한 의학적 발전이지만, 아직 의사의 판단을 대신할 수 있는 기술은 아닙니다.

앞으로 이러한 AI가 실제 환자의 치료 결과와 삶의 질을 개선할 수 있을지 주목할 필요가 있습니다.

​

참고자료

1. Mass General Brigham, 2026년 10월 19일, AI facial health recognition tools help physicians assess age and survival risk to guide personalized treatment.

2. Haugg F. 외, 2026년, Foundation artificial intelligence models for health recognition by use of face photographs (FAHR-Face): a model development and validation study. The Lancet Digital Health. DOI: 10.1016/j.landig.2026.101056.

3. Science Media Centre, 2026년 10월 19일, Expert reaction to study testing an AI tool using a face photograph to predict cancer survival.

4. The ASCO Post, 2026년 10월 20일, AI Model Based on Facial Image Analysis Estimates Biological Age and Mortality Risk in Patients With Cancer.

​

건강정보 안내문

이 글은 일반적인 의학·건강정보 제공을 목적으로 작성됐으며 전문 의료진의 진단이나 치료를 대신하지 않습니다.

소개된 얼굴 분석 AI는 연구 단계의 기술로, 개인의 암 진단이나 정확한 생존 기간을 판단하는 용도로 사용해서는 안 됩니다.

암 환자의 치료와 예후, 증상, 질환, 약물 또는 보충제 사용에 관한 사항은 반드시 담당 의료진과 상담하시기 바랍니다.

#얼굴사진AI #암환자생존예측 #90일사망위험 #의료AI #인공지능의료 #FAHRFace #FAHRFaceSurvival #FAHRFaceAge #암환자 #암치료 #암생존율 #생물학적나이 #얼굴노화 #AI건강진단 #암연구 #하버드의대 #매스제너럴브리검 #랜싯디지털헬스 #건강정보 #2026건강뉴스