視網(wǎng)膜的生物學年齡與人的實際年齡之間的差異與死亡風險增加有關(guān)

英國雜志在線發(fā)表的一項研究發(fā)現(xiàn)，視網(wǎng)膜的生物學年齡、眼睛后部神經(jīng)組織的光敏層與一個人的真實(實際)年齡之間的差異與他們的死亡風險有關(guān)。眼科。

研究人員建議，這種“視網(wǎng)膜年齡差距”可以用作篩查工具。

越來越多的證據(jù)表明，視網(wǎng)膜中的小血管(微血管)網(wǎng)絡可能是身體循環(huán)系統(tǒng)和大腦整體健康狀況的可靠指標。

雖然疾病和死亡的風險隨著年齡的增長而增加，但很明顯，這些風險在同齡人之間存在很大差異，這意味著“生物老化”是個體獨有的，可能是當前和未來健康狀況的更好指標，研究人員。

已經(jīng)開發(fā)了幾種基于組織、細胞、化學和成像的指標來檢測與時間老化不同步的生物老化。但研究人員表示，這些技術(shù)充滿了道德/隱私問題，而且通常具有侵入性、昂貴且耗時。

因此，他們轉(zhuǎn)向深度學習，看看它是否可以從眼底、眼睛內(nèi)部后表面的圖像中準確預測一個人的視網(wǎng)膜年齡，并看看這與一個人的真實年齡(稱為“視網(wǎng)膜年齡差距”，可能與死亡風險增加有關(guān)。

深度學習是一種機器學習和人工智能 (AI)，它模仿人們獲取某些類型知識的方式。但與線性的經(jīng)典機器學習算法不同，深度學習算法堆疊在復雜性不斷增加的層次結(jié)構(gòu)中。

研究人員利用了 46,969 名 40 至 69 歲的成年人拍攝的 80,169 張眼底圖像，這些人都是英國生物銀行的一部分，這是一項針對超過 50 萬英國中老年人的大型人口研究。

在最初的 Biobank 健康檢查中，來自 11,052 名健康狀況相對良好的參與者的大約 19,200 張右眼眼底圖像被用于驗證深度學習模型在視網(wǎng)膜年齡預測方面的準確性。

這表明預測的視網(wǎng)膜年齡和實際年齡之間存在很強的關(guān)聯(lián)，總體準確度在 3.5 年內(nèi)。

然后在 11 年的平均監(jiān)測期內(nèi)評估其余 35,917 名參與者的視網(wǎng)膜年齡差距。

在此期間，1871(5%)名參與者死亡：321(17%)名心血管疾病;1018 (54.5%) 癌癥;和 532 (28.5%) 的其他原因，包括癡呆癥。

視網(wǎng)膜年齡差距超過 3 年、5 年和 10 年的“快齡者”的比例分別為 51%、28% 和 4.5%。

除心血管疾病或癌癥外，視網(wǎng)膜年齡差距較大與死亡風險增加 49%-67% 顯著相關(guān)。

視網(wǎng)膜年齡差距每增加 1 年，全因死亡風險增加 2%，心血管疾病和癌癥以外的特定原因死亡風險增加 3%。影響因素，如高血壓、體重(BMI)、生活方式和種族。

應用于左眼的相同過程產(chǎn)生了相似的結(jié)果。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！