關鍵詞：多模態，生物學年齡，疾病預測，醫學影象
論文題目：Accurate estimation of biological age and its application in disease prediction using a multimodal image Transformer system 論文期刊：PNAS 論文地址：https://www.pnas.org/doi/10.1073/pnas.2308812120
個體的衰老是指身體滿足生理需求的能力在時間上的變化，主要是降低。衰老過程是不可避免的，也是慢性疾病的一個風險因素。每個人的生物年齡 （Biological Age） 包含衰老的結構和功能決定因素，其與實際年齡的差值 （AgeDiff） 可用作潛在病症導致加速衰老的生物標記。生物學年齡是衡量衰老的生物標誌物，可用於對人群進行分層，以預測某些與年齡相關的慢性疾病。生物年齡可透過腦磁共振成像、視網膜或面部影象等生物醫學特徵進行預測，但衰老過程中固有的異質性限制了透過單個身體系統預測生物年齡的實用性。
該文描述了一種基於 Transformer 的多模態架構，它可以根據面部、眼底和舌頭影象估算生物學年齡。研究使用來自 11,223 名健康受試者的面部、舌頭和視網膜影象對模型進行了訓練，結果表明，融合三種影象模式可實現最準確的生物學年齡預測。研究者在 2,840 名患有六種慢性疾病的測試人群中驗證了該方法，結果發現，實際年齡與 BA 之間的差異明顯大於健康人。本研究表明，AgeDiff 有潛力作為一種獨立的生物標記物，或與其他已知因素一起用於慢性疾病的風險分層和進展預測。本研究描述一種利用容易獲得的患者資料來識別慢性疾病的方法，其結果凸顯了使用多模態影象來估計和分析衰老過程的可行性。
圖1. (A) 結合視網膜影象、舌頭影象和麵部影象進行生物學年齡估算；(B) 人工智慧系統在華北健康對照資料集上進行了訓練和驗證，並在華北不健康資料集和華南資料集上進行了測試；(C) 人工智慧系統細節；(D) 多模態融合方式。
圖2：內部和外部佇列中慢性疾病和環境因素對生物學年齡的影響。在內部測試集和外部測試集上使用多模態融合架構生成的預測生物學年齡與實際年齡的相關性分析。
圖3：SHAP方法分析影響生物學年齡與實際年齡差異值的因素
編譯｜郭瑞東
大模型與生物醫學：
AI + Science第二季讀書會啟動
詳情請見：
推薦閱讀
1.
2.
3.
4.
5.
6.
