相关实验视频
Updated: Jun 20, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
基于视网膜图像的深度学习心脏BioAge与端粒长度和心血管生物标志物的关联
Ehsan Vaghefi, Songyang An, Rini Corbett1
1Toku Eyes, Auckland, New Zealand.
概括
使用视网膜图像的新深度学习模型估计了心脏生物年龄,识别了更高的心血管疾病风险. 这种非侵入性查工具显示了社区环境的潜力,与传统的风险因素和白细胞端粒长度缩短相关.
科学领域:
- 眼科医生 眼科 眼科
- 心脏病学 心脏病学
- 遗传学 遗传学是一种遗传学.
背景情况:
- 心血管疾病 (CVD) 对健康造成重大负担.
- 对心血管疾病风险的早期和非侵入性查方法至关重要.
- 白血球端粒长度 (LTL) 是一个已知与衰老和心血管疾病风险相关的生物标志物.
研究的目的:
- 验证一个深度学习 (DL) 模型,该模型使用视网膜图像估计心脏生物年龄 (BioAge).
- 评估DL衍生的心脏生物年龄与已确定的心血管疾病风险趋势和LTL的一致性.
- 在英国生物银行队列中分析这些关系.
主要方法:
- 一项使用英国生物库参与者与LTL数据的横截面研究.
- 个体按性别分层,并根据LTL排列成分数.
- 视网膜图像由DL模型分析,以确定心脏生物年龄.
- 在LTL分数内,顶部和底部心脏BioAge四分位数之间的CVD风险生物标志物的比较.
- 心脏生物年龄,心血管疾病生物标志物和LTL之间的相关性分析.
主要成果:
- 该DL心脏BioAge模型根据传统的CVD风险生物标志物准确地分层了个体.
- 较高的心脏BioAge四分位数与显著增加的缩血压,血红蛋白A1c和10年心血管疾病风险得分相关 (p<0.001).
- 心脏生物年龄在男性和女性中显示与LTL缩短的反向关联.
结论:
- 通过生物标志物或DL心脏BioAge模型评估的心血管疾病风险增加与LTL相反相关.
- LTL缩短作为CVD风险升高的替代标记.
- DL心脏BioAge模型有效地捕捉了这种关系,为心血管疾病风险评估提供了一个新的工具.
