Sci Rep：科學家或能利用人工智慧技術來評估人類的生物年齡

近日，一項刊登在國際雜誌Scientific Reports上的研究報告中，來自莫斯科物理技術學院等機構的研究人員通過表示，從可穿戴設備上獲得的體力活動數據或能用來產生指示機體老化和虛弱的數字生物標誌物，這一突破性的論證或許揭示了新興市場的潛力，即將感測器同人工智慧技術（AI）相結合來持續監測人群的健康風險，並向醫療保健提供者及時反饋相關的信息或數據。

圖片來源：Gero LLC

許多生理學參數都與機體年齡密切相關，而指示年齡的多種生物標誌物，比如DNA甲基化、加音標和或循環血液因素的水平都能被用來建立準確的機體生物鐘來獲得個體的生理年齡及衰老的估計率，然而除了進行學術研究之外，進行大規模的生化和基因組特性分析對於實際應用而言，從邏輯上來講都是非常困難且昂貴的。

最近研究人員引入的可穿戴的感測器就能夠收集並且儲存個人的數字化活動記錄，如今這種追蹤過程已經完成，但其並沒有影響全球數以億計人們的日常生活。研究者Peter Fedichev解釋道，在模式識別中人工智慧是一種非常強大的工具，其在很多方面都有著非常強大的表現，比如視覺物體的識別、語言識別及其它領域等，最近在醫學領域的一個非常典型的例子就是利用神經網路在心電圖數據中輕鬆發現患者的心率異常，同時還能從臨床的血液生物化學分析中獲取和年齡相關的生物標誌物，同時還能根據患者的電子醫學記錄來預測人們的死亡率。

研究人員基於一項2003-2006年美國國家健康和營養學的調查，對參與者的體力活動記錄和臨床數據進行分析，隨後他們訓練這種特殊的神經網路來預測個體的生物學年齡，以及根據參與者為期一周的活動水平來預測其死亡風險，這種最先進的卷積神經網路(convolution neural network，CNN)能夠用來揭開具有生物學意義的相關運動模式，同時還能建立一般健康和壽命記錄之間的關係，由研究人員所開發的新型人工智慧演算法已經能夠明顯超過此前可用的生物年齡模型及死亡風險預測模型。

研究者表示，人工智慧能夠用來進一步完善風險模型，而將機體老化理論與最強大的現代機器學習工具相結合或許能夠製造出更加優良的健康風險模型來減少人群中的長壽風險，同時還能幫助制定一些養老金計劃，並未即將到來的臨床試驗和抗衰老療法的開發提供一定的思路和研究基礎，如今研究人員已經開發出了一種新型的iPhone應用—Gero Lifespan，其能在內置智能加速器的幫助下幫助評估用戶的壽命。（生物谷Bioon.com）

原始出處：

Pyrkov TV, Slipensky K, Barg M, et al.Extracting biological age from biomedical data via deep learning: too much of a good thing?Sci Rep. 2018 Mar 26;8(1):5210. doi: 10.1038/s41598-018-23534-9

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！