最新成果！“窗口作用”—视网膜成像助力预测人体发病率和死亡率

　　

你知道你的“生物年龄”（相对于“实际年龄”）吗？

清华大学医学院黄天荫教授团队联合新加坡国立大学覃宗宇教授团队、程景煜教授团队等近期在《柳叶刀·健康长寿》上发表论文表明，通过深度学习得到的生物衰老标记物（RetiPhenoAge）比实际年龄更能预测发病率和死亡率。该研究进一步表明，人的视网膜生物年龄与心血管死亡和癌症死亡风险增加等有关，使用视网膜成像作为了解“真实年龄”的“窗口”更具有潜力。

该研究成果以“基于视网膜图像得出的深度学习标记在疾病发病率和死亡率预测中的应用：一项队列开发和验证研究”（Application of a deep-learning marker for morbidity and mortality prediction derived from retinal photographs: a cohort development and validation study）为题发表。

研究背景

生物衰老标记物比实际年龄更有助于对发病率和死亡率进行风险分层。该研究旨在利用视网膜图像和PhenoAge（一种表型年龄的综合生物标记物）开发基于深度学习的新型生物衰老标记物（以下简称RetiPhenoAge）。

研究方法

该研究利用具有多层卷积神经网络的架构来开发基于深度学习的生物衰老标记物RetiPhenoAge。该研究使用英国生物库数据集的视网膜图片来训练RetiPhenoAge ，预测PhenoAge的综合得分。其目的是识别与肾脏、免疫、肝功能、炎症和能量代谢以及与实际年龄相关的血液生物标记物变化相关的视网膜模式和特征。

该研究比较了RetiPhenoAge与另外两种已知的衰老生物标记物（握力和调整后的白细胞端粒长度），以及生活方式因素（体力活动）在发病率和死亡率风险分层方面的表现。

该研究通过评估RetiPhenoAge与不同系统特征（例如糖尿病或高血压）和血液代谢物水平的关联，探索其潜在的生物学原理。该研究还进行了全基因组关联研究，帮助确定与RetiPhenoAge相关的遗传变异，并进行表达数量性状位点图谱、基于基因的分析和基因集分析。

研究结果

采用34,061名英国生物库参与者的视网膜图片用于模型训练，并在包括来自SEED（新加坡眼疾病流行病学研究）队列的9,429名参与者和来自AREDS队列的3,986名参与者的多队列数据集上进行外部验证。研究结果表明，RetiPhenoAge与发病率和死亡率的关联性比手握力、端粒长度和身体活动更强。研究发现了两个与RetiPhenoAge显著相关的遗传变异（单核苷酸多态性 rs3791224 和 rs8001273），并且RetiPhenoAge与各种组织（包括心脏、肾脏和大脑）中表达的数量性状位点有关。

原文链接：https://www.thelancet.com/journals/lanhl/article/PIIS2666-7568(24)00089-8/fulltext