研究人员创建了一个可根据人的面部、舌部和视网膜图像预测生理年龄的AI模型图像中的红色区域突出了该算法找到的与年龄测算关联最强的部分｜王劲卓等，2024中国研究人员开放了一种运用AI技术分析个人面部、舌部和视网膜图像以测算生理年龄的工具这项技术能帮助我们更深入地了解我们的细胞、组织、器官的健康状况，以及罹患慢性病的风险要想知道一个人的实际年龄，只需瞟一眼他的驾照但要确定生理年龄可就困难多了不同于实际年龄，生理年龄受环境、个人生活方式和遗传因素的影响，目前并没有全球通用的测算方法举例来说，吸烟者可能看上去比实际年龄更老，健身爱好者则被以为更年轻而且这种差异不止于表面——要是一个人的生理年龄大于实际年龄，就有可能患上慢性疾病或过早出现认知能力下降而假若生理年龄小于实际年龄，则与同龄人相比，这个人也许更能行步如风“了解自己的生理年龄很重要，因为当你发现它与自己实际年龄不符，就可以改变生活方式，从而改善健康状况”斯坦福大学遗传学家迈克尔·斯奈德（Michael Snyder）说，但他没有参与该研究“早期衰老时钟”（即生理年龄测算模型）通过观察不同组织中DNA甲基化模式计算生理年龄DNA甲基化模式是DNA上调控基因表达的化学标记，会随时间变化还有的衰老时钟测量多种代谢（血糖）与炎症蛋白标志物，这些都是年度体检中医生经常检测的指标近几年，科学家设计了使用面部三维图、脑部扫描或血液蛋白质水平的衰老时钟以测定生理年龄这些方法都追踪了某项随年龄变化的特征，可以是皮肤上刻下的皱纹，也可以是某些与年龄挂钩的疾病（如糖尿病）发病率的升高但衰老是一个复杂的过程，以五花八门的方式影响着多个器官系统澳门科技大学临床医学科学家张康参与了这篇论文的合著，该论文于今年1月发表在《美国国家科学院院刊》（PNAS）上张康说，单凭某一测量方式确定生理年龄就像盲人摸象因此，张康与合作人员使用AI模型创建了生理年龄的“整体”画像，该模型以人的面部、舌部和视网膜图像为输入，随后输出相应的生理年龄这与ChatGPT的支持办法类似，“它通过浏览海量数据和发现看不见的联系，超越了人类预测年龄的能力”张康说伦敦大学学院的神经科学家詹姆斯·科尔（James Cole）说：“他们以深度学习实验为技术设计，这和他们的实验设计一样，都令我印象深刻，得到的结果也非常具有说服力”
2017年的一篇谷歌论文介绍了这项被称为transformer的AI技术，最初，它被用于创建模仿人类语言的项目，就像今天的ChatGPT与之前的AI模型不同，transformer可以一次性处理整个文本序列，而非按顺序处理，因此更擅长识别模式和理解上下文不久后，研究人员将该方法应用到了图像分析领域，其自然语言处理能力带来了计算机视觉任务的革命包括本文讨论的研究所使用的transformer在内，部分模型的另一个创新点是在不同分辨率下分析图像，以同时获取不同颗粒的细节但transformer所需的数据是巨大的“在语言领域，这不是什么问题，因为可用的语言资源非常多，这一点显而易见但在医学影像上，（要找到充足的案例）就困难多了”科尔说科尔的研究应用AI技术进行脑部扫描以考察衰老与神经退行性疾病的关系他说，该研究团队成功与数以万计的人取得联系、获取数据，这很了不起而把模型结果转化为人类可以理解的内容是一大难点，众多AI模型都面临这个问题“这个模型非常精妙，它关注像素级别的差异，那是我们人类难以察觉的”张康说就这一点来说，他们的分析似乎表明舌中（舌象）、眼周（人脸图像）和眼球后方血管最密集的地方（视网膜图像）是反映生理年龄的重要部位面部，舌头，视网膜作为制作生理年龄测算工具的起点，研究人员收集了中国北方11223个人的面部、舌头和视网膜图像，用于训练模型样本人群健康状况良好，因此其生理年龄普遍被认为与其实际年龄相符合这一训练产生了3亿个变量，虽然与ChatGPT4的10亿个参数相比还不值一提健康人群的实际年龄可以代表其生理年龄“与其他使用单一测量方法的衰老时钟相比，我们对实际年龄的预测更精确，把误差控制在了1年以内”张康说就像盲人摸象的寓言一样，每种模态的信息都抓取了衰老的某一方面例如面部皱纹是日晒、污染等环境因素作用的迹象；而视网膜（中枢神经系统的一部分）变薄及血管损伤反映了大脑与循环系统的健康问题；根据舌头的形状与舌苔则能得到有关微生物组和消化道健康的线索作为研究的一部分，受试者们在后续5年时间里定期接受健康检查，包括血检和尿检、生活方式问卷调查和体能测试制成生理衰老时钟后，张康团队在受糖尿病、心脏病等慢性疾病困扰的人群身上进行了测试这些非健康个体同样来自模型开发过程里所引入的中国北方人群样本在测试中，团队还引入了来自中国南方其他区域的人群结果与预测一致：健康人群的生理年龄与实际年龄非常相近；而当某人有不健康的习惯，例如抽烟、久坐不动，又或患有慢性疾病，那么其生理年龄一般大于实际年龄两个年龄之间的差异被称为AgeDiff，该数值范围在3.16年（慢性心脏病患者平均值）到5.43年（吸烟人群平均值）之间 生理年龄与实际年龄不同的后果为了确定生理年龄大于实际年龄对罹患6种常见老年病（如慢性心脏病、慢性肾病、心血管疾病、糖尿病、高血压和中风）的可能性的影响，研究人员将11223位被调查人员按AgeDiff数值从高到低分为四组AgeDiff数值更高的人罹患上述慢性疾病的可能性更大，发病风险随AgeDiff上升除了一生中患病的风险，张康同时对AgeDiff预测发病可能时点的能力感兴趣——换句话说，就是一个人何时会确诊糖尿病，是今年，抑或五年后？假若我们能了解发病时机，“那将切实有力帮助设计防御措施”张康说张康团队发现，在个人发病时间的预测上，AgeDiff的表现优于传统参数，例如血糖、BMI指数和胆固醇而若将AgeDiff和其他这些因素结合起来，那么预测将会更加精准研究人员还发现，健康指标（如BMI指数和血压）的异常值也与更大的AgeDiff数值有关，这一点并不出人意料生理时钟的未来目前，张康与团队正使用AgeDiff识别慢性疾病发病风险高的人群，并为每一位病患出具干预方案通过关注与AgeDiff紧密关联的健康指标（例如血压、血糖等），他们希望系统地推迟“老年病”的发生他们也在进一步完善模型，将DNA甲基化等其他变量纳入到模型中，以及引入其他人种群体作为实验对象斯奈德说，AgeDiff之类的工具可以通过减少疾病防治的费用与难度，促进医疗的普及在这方面，张康团队正在开发iPhone手机附件及关联app，拍摄模型所需照片；张康预计，到今年年底，将推出可用雏形斯奈德专攻个性化医疗对个人罹患慢性病风险的削弱作用他对这种简便易用的方案表示赞许：“任何人都可能很方便地用它进行疾病预测，不用再像现在人们那样进行抽血和所有其他测试”撰文：CONNIE CHANG译者：绿酒
0 评论