相關研究于2022年發(fā)表于《英國眼科學雜志》[1]。

圖注：視網膜年齡差距可作為預測死亡率的生物標志

什么是“視網膜年齡差距”

雖然看起來彎彎繞繞的，但視網膜年齡差距這個概念其實不算陌生。時光派曾在《中外學者重磅發(fā)現(xiàn)！全新人體器官年齡檢測方法發(fā)布，多維、精準抗衰時代即將到來》一文中匯總報道了體內多個調控衰老進程的“時鐘”——即所謂的生物學年齡。視網膜同樣具有自己的年齡，而視網膜年齡與個人實際年齡的差值，就被稱作視網膜年齡差距。

科學家們盯上視網膜也并非心血來潮，視網膜與心臟、大腦和腎臟等重要器官有著相似的胚胎起源、生理特征和解剖結構。作為唯一可以在體內觀察到微血管和神經組織的器官，視網膜能夠忠實地反映血液體循環(huán)狀況，并具備與大腦相同的神經退行性病理變化。此外，眼底拍攝并進行人工智能分析便可獲取視網膜年齡差距，這種快速、經濟、非侵入性的特點是其他“時鐘”無法比擬的。

天時，地利，人和

本文通訊作者何明光教授目前擔任中山大學眼科學國家重點實驗室的課題組長，在國際人工智能眼科領域已是聲名遠播，其團隊所創(chuàng)造的AI眼科醫(yī)生系統(tǒng)，也達到了世界領先水平。功底深厚的眼科實力加上先進的人工智能算法，可謂占盡天時地利，而英國生物樣本庫（UK biobank）則遞上了最后一塊“人和”拼圖。

英國生物樣本庫于2006-2010年間收集了近五十萬份年齡在40-69歲的志愿者信息，包括全面的健康調查問卷，詳細的身體測量和生物樣本收集，并進行多年的跟蹤調查，目前該數(shù)據(jù)庫可供全球范圍內的研究者申請使用[2]。

深度學習算法“奪人眼球”

研究者團隊首先從數(shù)據(jù)庫中篩選了來自11052名健康參與者的19200張眼底圖片，將其投喂給人工智能，結果表明：視網膜年齡和實際年齡之間存在很強的關聯(lián)性，整體準確度在3.5年內，優(yōu)于大部分已有的衰老生物標識：如DNA甲基化時鐘的平均標準誤差為3.3-5.2歲，血液譜時鐘為5.5-5.9歲，轉錄組衰老時鐘為6.2-7.8歲[3-8]。

在經過大量數(shù)據(jù)校正后，深度學習算法又分析了來自35913名隨機志愿者的35917張眼底圖片并計算視網膜年齡差距（視網膜年齡-實際年齡），正數(shù)代表視網膜“更衰老”，負數(shù)則表示視網膜“更年輕”。

圖注：深度學習算法評估視網膜年齡差距

為了更準確地評估視網膜年齡差距所造成的影響，研究者們針對人群的年齡、種族、性別、受教育水平、吸煙狀況、糖尿病史、心臟病史等諸多協(xié)變量優(yōu)化了算法模型，得到了“視網膜年齡差距每增加1年，全因死亡風險增加2%，心血管疾病和癌癥外的特定原因死亡風險增加3%”的結論。

在平均11年間的回訪中，全因死亡志愿者總計1871名，其中321人(17.2%)死于心血管疾病，1018人(54.4%)死于癌癥，532人(28.4%)死于其他特定原因。

其中，特定原因致死與視網膜年齡差距的相關度達到了49%-67%，而心血管疾病和癌癥的相關度則并不顯著，這可能是由于現(xiàn)代醫(yī)學針對心血管疾病和癌癥有了更發(fā)達的治療手段，大大降低了死亡率。

圖注：視網膜年齡差距與死亡風險之間的關聯(lián)

數(shù)據(jù)之外，何種未來

文章的主體研究大致如此，作者也在末尾復盤了該研究的臨床意義：首先，視網膜年齡差距可以作為一種新穎且準確的衰老生物標識；其次，眼底成像快速、經濟、無創(chuàng)性的特點能使其成為一種便利的篩查工具，用于確定死亡風險增加的個體。

隨著智能手機的發(fā)展以及深度學習算法的整合，在未來，或許我們每個人都能隨時隨地檢測自己的視網膜年齡，從中檢測出多種眼疾病狀況，并對其他疾病風險做出預測。

盡管研究具備大規(guī)模的樣本量、長期隨訪、標準化的眼底圖像采集方案以及統(tǒng)計模型中對多種混雜因素的調整，作者仍然承認研究具有一定的局限性，比如這些視網膜圖像是在特定時刻捕捉到的，而且參與者無法代表全部人口，因為健康狀況極差的人不太可能參與本項研究。

—— TIMEPIE ——

時光派點評

自從英國生物樣本庫公開數(shù)據(jù)后，形形色色的研究如雨后春筍般冒了出來。不得不承認這是一項偉大的事業(yè)，它所提供的數(shù)據(jù)，如果利用得當可以在很大程度上改善人類健康和衛(wèi)生保健水平。與此同時，筆者也期待中國也能擁有自己的大規(guī)模生物樣本庫，從而更為精準的提高國民健康水準。如您對抗衰老研究有著無限的興趣與好奇，可以進入交流社裙，派派助理：timepie10?；氐奖酒恼拢M管研究存在一定局限性，但作者首次提出了“視網膜年齡差距”的概念，并整合深度學習算法評估了它與死亡率的關聯(lián)，為后續(xù)研究提供了可靠的參考，也為人們提供了可以暢想的未來。

主頁內有更多抗衰科普內容，歡迎瀏覽關注~

參考文獻（篇幅過長，如有需要的讀者可評lun留言）