”
文章信息
2024年9月26日，新加坡国立大学程景煜教授团队、覃宗宇教授团队联合清华大学医学院黄天荫教授团队在《The Lancet Healthy Longevity》（IF:13.4）发表了题为Application of a deep-learning marker for morbidity and mortality prediction derived from retinal photographs : a cohort development and validation study的论文。研究开发了一种基于深度学习的生物衰老标志物（RetiPhenoAge），并证明了其在预测死亡率和疾病发病率方面具有较高的准确性，由此可以作为一种新的非侵入性老化测量工具。
研究目的：
通过识别与血液生物标志物、器官功能和炎症等相关的视网膜特征，探讨生物年龄与疾病发生的关系，利用视网膜图像和PhenoAge（一种已被证实的通过侵入性方法量化生物年龄的模型）开发基于深度学习的新型非侵入性生物衰老标志物
研究对象：
34061名英国生物库（UK Biobank）参与者用于模型训练；9429名来自新加坡眼疾病流行病学研究（SEED）队列、3986名来自美国年龄相关眼病研究（AREDS）队列的参与者用于模型验证
研究对照：
研究比较了RetiPhenoAge与另外两种已知的生物衰老标记物（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）在疾病发病率和死亡率风险分层方面的表现
研究结局指标：
死亡率——全因死亡率、心血管疾病死亡率、癌症死亡率；疾病发病率——心血管事件和癌症事件
研究类型：
观察性研究-队列研究
程 景 煜
利用影像技术探究眼病机制
RetiPhenoAge是通过深度学习技术分析视网膜照片而开发出的标志物，旨在根据临床测量数据来预测生物衰老。这一标记是非侵入性的，研究表明其与多种健康结果密切相关，包括心血管疾病和肾脏疾病的发病风险，展现了其在早期识别潜在健康问题中的重要性。
较高的RetiPhenoAge评分与全因死亡率、心血管疾病死亡率及相关事件的风险增加密切相关，RetiPhenoAge与发病率和死亡率的关联性比右手握力、端粒长度和身体活动更强，表明其作为衰老标志物的潜力更大，有助于提升个体的健康管理。
研究发现了两个与RetiPhenoAge显著相关的遗传位点（SNP rs3791224 和SNP rs8001273），并且证实RetiPhenoAge与各种组织（包括心脏、肾脏和大脑）的基因表达量性状位点（eQTL，指与特定基因表达水平相关的遗传变异位点）有关，这表明RetiPhenoAge可能通过影响这些组织中的基因表达来发挥作用，进一步影响个体的健康和寿命。
原文：
https://www.sciencedirect.com/science/article/pii/S2666756824000898
编辑：安纪蓉
排版：bonbon
校对：陈玮洁
审核：曹秋晨
转载须知：
本文为枢界centrangle原创文献阅读笔记
如需转载请标明来源
扫码加入群聊，尽享文献全文
