相关实验视频
Updated: Jul 22, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
应用深度学习标记器用于从视网膜照片中获得的发病率和死亡率预测:一个队列开发和验证研究
Simon Nusinovici1, Tyler Hyungtaek Rim2, Hengtong Li3
1Singapore Eye Research Institute, Singapore National Eye Centre, Singapore; Ophthalmology and Visual Sciences Academic Clinical Program, Duke-NUS Medical School, Singapore.
The lancet. Healthy longevity
|October 3, 2024
概括
一种新的深度学习标志物RetiPhenoAge使用视网膜图像来预测死亡率和发病率. 这种非侵入性工具与健康结果的关联比现有的生物标志物更强.
科学领域:
- 眼科医生 眼科 眼科
- 老年学是指老年学的学科.
- 生物标志物 生物标志物
背景情况:
- 生物衰老标志物为患病率和死亡率提供了精确的风险分层,与时间表年龄相比.
- 开发新的,准确的衰老标志物对于个性化的健康策略至关重要.
研究的目的:
- 开发和验证RetiPhenoAge,一个基于深度学习的生物衰老标志物,使用视网膜图像.
- 评估RetiPhenoAge对发病率和死亡率预测结果的性能.
主要方法:
- 在英国生物银行视网膜图像上训练了一个深层卷积神经网络,以预测PhenoAge.
- 在三个独立的队列中评估了RetiPhenoAge对发病率和死亡率的预测准确性.
- 性能与已知的衰老生物标志物和生活方式因素进行了比较.
主要成果:
- RetiPhenoAge与所有原因,心血管和癌症死亡率以及心血管事件有显著的关联.
- 该标记物对死亡率和发病率的预测能力比手握力,端粒长度和身体活动更强.
- 基因分析发现了与RetiPhenoAge相关的两个变异,与关键器官基因表达有关.
结论:
- RetiPhenoAge是一种强大的,非侵入性的生物衰老标志物.
- 这种新型标志物可用于对死亡率和发病率结果的精确风险分层.
