相关实验视频
Updated: Jul 6, 2025
04:47
Multimodal Optical Imaging Platform for Studying Cellular Metabolism
Published on: June 6, 2025
313
精确估计生物年龄及其在疾病预测中的应用,使用多模式图像变压器系统
Jinzhuo Wang1, Yuanxu Gao2, Fangfei Wang2,3
1Department of Big Data and Biomedical AI, College of Future Technology, Peking University, Beijing 100871, China.
概括
这项研究引入了一种新的AI模型,将面部,舌头和视网膜图像结合起来,以更准确地预测生物年龄. 这种先进的生物年龄预测显示了识别慢性疾病风险的潜力.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 老年学是一门学科.
背景情况:
- 衰老是一个复杂的过程,其特点是生理衰退.
- 生物年龄 (BA) 是衰老和预测与年龄有关的疾病的关键生物标志物.
- 目前使用单个成像类型的BA预测方法由于老化异质性而存在局限性.
研究的目的:
- 开发一种基于变压器的多式人工智能模型,用于准确的生物年龄估计.
- 整合面部,舌头和视网膜图像进行全面的衰老评估.
- 评估生物年龄差异 (AgeDiff) 作为慢性疾病生物标志物的潜力.
主要方法:
- 开发了一种具有交叉注意力机制的多式变压器架构.
- 在11223名健康受试者的面部,舌头和视网膜图像上训练模型.
- 在2,840个个体上验证了模型,包括那些患有慢性疾病的人.
主要成果:
- 三种图像模式 (面部,舌头,视网膜) 的融合产生了最准确的BA预测.
- 在健康受试者和患有慢性疾病的人之间观察到AgeDiff的显著差异.
- AgeDiff展示了作为疾病风险分层的独立或补充生物标志物的潜力.
结论:
- 多式成像融合显著提高生物年龄估计的准确性.
- 来自多式联络数据的生物年龄差异 (AgeDiff) 是慢性疾病风险的一个有希望的生物标志物.
- 这种方法提供了一种新的方法来调查衰老过程及其对健康的影响.
