▎药明康德内容团队编辑
过去的半个世纪,现代医学的发展大大降低了人类的死亡率。伴随着寿命延长,老龄化却带来了沉重的疾病负担。结合全球人口老龄化趋势,我们不仅希望长寿,更需要预防和治疗衰老带来的各种疾病。近年来,人工智能(AI)在许多领域取得了巨大进步,也为生物医学带来了突破性的工具。人工智能在抗衰老研究领域的最新应用将如何为我们带来更加健康长寿的未来?近日,《自然》旗下专注于衰老研究的新刊Nature Aging发表了一篇相关的专家评论文章。▲点击文末“阅读原文/Read More”,即可访问原始文章
文章的通讯作者是Buck老龄化研究所(The Buck Institute for Research on Aging)的Alex Zhavoronkov博士,他也是人工智能新药研发企业Insilico Medicine的CEO。另两位作者,一位是Evelyne Bischof博士,现任上海健康医学院副教授,她关注的主要领域包括人工智能和数字医疗;另一位是中国读者十分熟悉的李开复博士。在今天的这篇文章中,学术经纬将与各位读者分享其中的要点。衰老是许多疾病发生发展的关键因素,影响到全身器官。这也是为什么随着年龄增长,一个人身上常会同时出现多种慢性病。比起预防或治疗某一种疾病,在机体水平上以衰老为治疗目标进行干预,可以更大程度延长平均预期寿命。
评估和监测人的老化程度,正是AI可以大展身手的地方。这是因为,理解衰老需要对许多不同类型的数据集进行纵向监测,例如血液检测数据或基因表达数据。这些数据集在人的生命过程中变化缓慢,在不同人群中又有着明显的差异,涉及数百万参数。而AI具备强大的计算能力,擅长在海量纵向数据中查找复杂模式,基于不同类型的生物数据进行训练,从而提前预测老化因素,甚至提出纠正方案。▲深度学习在生物医学领域有广泛的应用(图片来源:参考资料[1])
自2014年以来,在大数据集上训练的深度神经网络,已经取得了很多进展。现在,AI在图像识别、知识测验、视频游戏、语言翻译等多种任务上的表现堪比人类专家,甚至更好。更重要的是,深度生成式强化学习已经成功地运用于多个生物医学领域,从药物发现到预测临床试验结果和个体化医疗。▲利用纵向数据训练深度神经网络(DNN),理解衰老与疾病的关系(图片来源:参考资料[1])
利用深度学习技术,科学家们现在建立了“深度衰老时钟(deep aging clock)”,用于评估一个人的生理年龄(biological age)。
生理年龄由一系列生物标记物的指标组成,比如从血液分析中提取的相关数据。比起实际年龄(chronological age),生理年龄能够更准确地预测一个人的健康状态、疾病或死亡率。测量和追踪这些指标,也可以反映出在采取干预措施或改变生活方式后,一个人的致老、致死风险有什么变化。因此作者们指出,像深度衰老时钟这类由AI技术提供支持的工具,应该成为未来医生的常备工具,以便为患者定制个体化的健康方案,促进长寿。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。