Sci Rep：科学家或能利用人工智能技术来评估人类的生物年龄

本文系生物谷原创编译，欢迎分享，转载须授权！

近日，一项刊登在国际杂志Scientific Reports上的研究报告中，来自莫斯科物理技术学院等机构的研究人员通过表示，从可穿戴设备上获得的体力活动数据或能用来产生指示机体老化和虚弱的数字生物标志物，这一突破性的论证或许揭示了新兴市场的潜力，即将传感器同人工智能技术（AI）相结合来持续监测人群的健康风险，并向医疗保健提供者及时反馈相关的信息或数据。

图片来源：Gero LLC

许多生理学参数都与机体年龄密切相关，而指示年龄的多种生物标志物，比如DNA甲基化、加音标和或循环血液因素的水平都能被用来建立准确的机体生物钟来获得个体的生理年龄及衰老的估计率，然而除了进行学术研究之外，进行大规模的生化和基因组特性分析对于实际应用而言，从逻辑上来讲都是非常困难且昂贵的。

最近研究人员引入的可穿戴的传感器就能够收集并且储存个人的数字化活动记录，如今这种追踪过程已经完成，但其并没有影响全球数以亿计人们的日常生活。研究者Peter Fedichev解释道，在模式识别中人工智能是一种非常强大的工具，其在很多方面都有着非常强大的表现，比如视觉物体的识别、语言识别及其它领域等，最近在医学领域的一个非常典型的例子就是利用神经网络在心电图数据中轻松发现患者的心率异常，同时还能从临床的血液生物化学分析中获取和年龄相关的生物标志物，同时还能根据患者的电子医学记录来预测人们的死亡率。

研究人员基于一项2003-2006年美国国家健康和营养学的调查，对参与者的体力活动记录和临床数据进行分析，随后他们训练这种特殊的神经网络来预测个体的生物学年龄，以及根据参与者为期一周的活动水平来预测其死亡风险，这种最先进的卷积神经网络(convolution neural network，CNN)能够用来揭开具有生物学意义的相关运动模式，同时还能建立一般健康和寿命记录之间的关系，由研究人员所开发的新型人工智能算法已经能够明显超过此前可用的生物年龄模型及死亡风险预测模型。

研究者表示，人工智能能够用来进一步完善风险模型，而将机体老化理论与最强大的现代机器学习工具相结合或许能够制造出更加优良的健康风险模型来减少人群中的长寿风险，同时还能帮助制定一些养老金计划，并未即将到来的临床试验和抗衰老疗法的开发提供一定的思路和研究基础，如今研究人员已经开发出了一种新型的iPhone应用—Gero Lifespan，其能在内置智能加速器的帮助下帮助评估用户的寿命。

原始出处：

重要会议推荐