一个深度学习的性别特定的身体组成衰老生物标志物,使用双能量X射线吸收仪扫描

科学领域:

• 生物标志物和诊断方法
• 医学成像和人工智能 医学成像和人工智能
• 慢性疾病流行病学 慢性疾病流行病学

背景情况:

• 慢性疾病与身体组成的变化有关,因此需要可靠的生物标志物来进行风险评估.
• 目前的方法缺乏全面的工具来评估基于身体成分的健康状况.
• 双能X射线吸收计 (DXA) 提供了详细的身体成分数据,非常适合生物标志物开发.

研究的目的:

• 开发和验证生物年龄指标,使用DXA扫描的身体成分.
• 评估该指标在预测慢性疾病风险和进展方面的潜力.
• 建立一种新的方法来评估健康状况和疾病结果.

主要方法:

• 在英国生物库数据上训练了一种深度学习模型,以估计身体成分生物年龄 (BCBA).
• 模型的性能在各种人群中进行了评估,包括那些有先前存在或正在发展疾病的人群.
• 用c指数等指标评估了2型糖尿病,MACE,ASCVD和高血压的诊断和预后能力.

主要成果:

• BCBA与慢性病诊断和风险预测有很强的相关性.
• 在BCBA和2型糖尿病,MACE,ASCVD和高血压之间发现了显著的关联.
• 在预测MACE和ASCVD方面,BCBA的表现优于已有的心血管风险概况.

结论:

• BCBA成为评估慢性疾病风险和进展的强有力的生物标志物.
• 这种生物标志物有望增强临床决策并促进早期疾病检测.
• 将BCBA整合到例行健康评估中可以实现更个性化的干预措施.