从眼睛里,竟能读出死亡的预兆?

庸人自扰2022-07-26  167

导读:一个人的实际年龄(chronological age),是从出生之日开始计算。不过,出生的时间一样久,并不代表身体一样老。有些人40岁,身体机能可以和20多岁的普通人媲美,也有些人40岁,各个脏器运转起来就像普通人60岁左右的状态。假如抛开…

一个人的实际年龄(chronological age),是从出生之日开始计算。


不过,出生的时间一样久,并不代表身体一样老。有些人40岁,身体机能可以和20多岁的普通人媲美,也有些人40岁,各个脏器运转起来就像普通人60岁左右的状态。


假如抛开实际年龄,人体的衰老程度还可以通过其他的途径来观察。比如,基因组里DNA甲基化的水平总体下降,就是机体老化的一种表现。于是,人们常常把DNA甲基化程度当成一座“衰老时钟”。


而现在,眼睛也可以成为观察衰老进程的窗口,甚至能用来评估死亡风险最近有科学家发现,视网膜年龄比实际年龄更老的人,在近几年内过世的概率比其他人要大。研究团队把这项成果发表在《英国眼科杂志》(British Journal of Ophthalmology)。


不过,科学家要怎样判断一个人的视网膜有多老呢?

AI能看出视网膜的年纪


当一个人慢慢变老,体内各种器官的运行状态会有变化,从生机勃勃到年久失修,眼睛也不例外。如果分析眼底图像或许就能发现,不同年龄的人,视网膜的面貌也有不同。


抱着这样的想法,来自广东省医学科学院、墨尔本大学等机构的科学家们,开发了一种深度学习AI,想让它根据眼底图像中视网膜的样子,来预测主人的年纪。


为此,研究团队从英国生物样本库(UK Biobank)里找来了19 200张眼底图。这些图片来自11 052人,他们的年龄从40岁到69岁不等,但有个共同点:在图像拍摄前都没有既往病史。科学家希望,AI能在健康状况良好的人群中,学习到视网膜随着年龄增长是怎样变化的。

AI根据眼底图和图片主人的实际年龄,来学习预测

在这一万多张眼底图当中,大部分图片要作为训练数据投喂给AI,且标注了实际年龄,供AI摸索其中的规律。等训练完成后,剩下的图片会作为验证数据(相当于考题)输入给AI,不标注实际年龄,让AI根据图片来预测年龄。


团队发现,AI预测的结果和图片主人的实际年龄十分接近,误差不超过3.55年。这不仅代表AI训练有效,还意味着图像里包含的视网膜信息,能在很大程度上反映出人类的实际年龄。也就是说,健康人的视网膜年龄,跟实际年龄比较吻合。


当然,学习这些健康人的数据,只是为了做成“标尺”,来衡量其他人的情况。而科学家更关心那些身体不太健康的人,尤其是视网膜年龄比实际年龄更老的人。





死亡风险知多少


训练完毕也验收合格的AI,要去观察更多人的眼底图,给出年龄预测。这次的图像依然是来自英国生物样本库,但不用再筛选出健康的人,而是有无病史都入选。科学家收集了35 913人的眼底图,也清楚这些人在图片拍摄时的年纪,以及他们在拍摄完成后11年里的健康状况(包括生死)。


团队把这些眼底图交给AI去预测,再拿AI预测的视网膜年龄减去实际年龄,得出年龄差。结果发现,这个差值越大,图片主人在图片拍摄后11年里去世的概率也越高。


具体看来,视网膜年龄与实际年龄的差值每扩大一年,图片主人在11年观察期内的死亡概率会增加2%或者说,视网膜年龄比实际年龄老得越多,死亡概率越高,存活机会越小。其中,视网膜比实际年龄老3岁以上的人,被科学家称作“快速衰老者”(fast ager)。


被调查的三万多人里,一共有1871人在观察期内过世。其中,321人(17.2%)的死因可以归结于心血管疾病,1018人(54.4%)是癌症,余下532人(28.4%)是其他原因。而这些情况又可以分开讨论。


如果抛开心血管疾病和癌症,只看其他部分,视网膜年龄与实际年龄的差值每扩大一年,死亡概率会升高3%。如果把这个差值按从小到大排列,那排名后25%的人,与排名前25%的人相比,“其他原因”的死亡概率要高出67%


而单看心血管疾病的案例时,科学家发现视网膜年龄与实际年龄的差值,和死亡率之间的关系并不明显。但团队认为,这不代表视网膜无法反映心血管的衰老进程,只是随着医学发展,一些曾经致命的心血管问题已经可以拯救,令相关疾病的死亡率下降了。



由此科学家相信,视网膜年龄与实际年龄的差值,可以作为人体衰老的生物标志物(biomarker),也可以用来预测死亡风险。



这有科学依据么?


假如只是AI预测出的结果,而缺乏科学解释,那么用视网膜图片来推测衰老程度的方法,可能也很难走得更远。所以,图像里的视网膜究竟能显示出哪些健康问题?


比如,肾脏疾病就常常和眼部疾病结伴而行。毕竟,眼睛和肾脏在结构、发育和遗传路径上都有许多相似之处:眼睛里的脉络膜和肾小球,拥有结构相似的血管网络;视网膜和肾小球的滤过屏障,拥有相似的发育路径。


过往已经有研究表明,慢性肾病和视网膜黄斑病变有关;还有研究表明,视网膜微血管参数异常可以用来预测慢性肾病。视网膜中的栓子,就是可以阻塞血管的团块,也被科学家证实和慢性肾病等许多疾病都有关联。


而本文的主角,那只预测视网膜年龄的AI,它有个注意力机制:就是会判断图片上的哪些区域更有助于自己的预测,然后把那些部分的权重加大。而研究团队说,AI在眼底图中更关注的区域也是视网膜的血管部分。

左为眼底图,右为同一张眼底图被AI高亮了重点区域

至于心血管疾病,虽然科学家这一次没有找到相关死亡率和视网膜年龄差之间的联系,但如果不讨论死亡数据,从前就已有不少研究认为,眼睛是了解心血管疾病的窗口。


比如,雅典大学的伊利亚斯·乔治亚斯(Ilias Georgalas)教授介绍过一个病例。希腊一位77岁男子的右眼,在大约1小时内出现了三次短暂的视力模糊,每次持续5分钟左右。


就诊之后,医生说他的眼压正常且视力良好,但仔细观察后发现,是一个血凝块阻断了视网膜一条分支动脉的血液供应。而查看眼睛,是医生检查患者体内血管系统的一种简单方法。乔治亚斯教授说,当其他部位出现血管问题,大多能从眼睛里看出来。


对这位男子来说,医生也是从视网膜的异常入手,发现他右侧颈动脉的血流有80%因为粥样硬化而受到了阻塞,这是中风的危险信号。于是男子接受手术,去除了堆积在血管里的斑块。而作为参与治疗的医生,乔治亚斯教授还与同事合作发表过一项研究,强调视网膜分支动脉阻塞的患者,患上严重(甚至致命)中风的概率很高。


近年来,不论针对肾脏疾病还是心血管疾病,都有科学家利用机器学习AI,探讨过视网膜图像与这些健康问题的联系。相比之下,研究人体的衰老问题,可能比研究特定的疾病更加复杂,很难建立起一个指标,直到出现了依靠DNA甲基化来预测年龄的“衰老时钟”。而在2020年,是机器学习算法DeepMAge让这座“衰老时钟”获得了前所未有的准确度:预测年龄的误差范围在3年以内。


如今,科学家又是在AI的帮助下,利用图片中的视网膜预测年龄,从而判断人体衰老快慢和死亡风险。或许未来的某个人,还会因为AI的预测获得及时的治疗,让生命更好地延续。



为您推荐


本文地址: https://www.cnleya.com/read-417878.html
免责声明:本文仅代表作者个人观点,与乐雅养生网(本网)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
    本网站有部分内容均转载自其它媒体,转载目的在于传递更多信息,并不代表乐雅养生网(本网)赞同其观点和对其真实性负责,若因作品内容、知识产权、版权和其他问题,请及时提供相关证明等材料并与我们联系,本网站将在规定时间内给予删除等相关处理.


相关阅读

最新回复(0)