AI驱动的眼睛扫描预测认知能力下降和痴呆的风险

由新加坡国立大学（NUS Medicine）的Yong lin医学院研究人员领导的一项新研究表明，人工智能（AI）对视网膜照片的分析可以预测个人的认知能力下降和痴呆症的风险。发表在阿尔茨海默氏症和痴呆症，这项在新加坡进行的首次研究强调了视网膜衰老生物标志物作为大脑健康管理的新工具的潜力。

由NUS Medicine，NUS Medicine的创新与精密眼睛健康中心主任Cheng Ching-Yu和Christopher Chen教授共同领导，NUS Medicine Healthy Longevity Translation Research研究计划副主席，研究团队开发了一个新颖的深入学习生物标记物，被称为Retiphenoage，估计了基于标准眼图的生物学时代。

该研究分析了从新加坡记忆诊所招募的500多名参与者的数据。研究结果表明，视网膜生物年龄较高的个体的风险明显更大（高达25的风险增加，风险增加25次，每标准偏差增加）认知能力下降或者失智在五年内。

这些发现在较大的人群样本中进一步验证了英国生物库的33,000多名参与者的数据。在这一队列中，较高的retiphenoage与在十二年的随访中患痴呆症的风险更高相似，从而增强了其在不同人群中的预测效用。

该研究进一步表明，视网膜衰老反映了与神经变性相关的关键生物学过程，脑部扫描和血液标记物用于验证retiphenoage与大脑变化和血液蛋白质与衰老相关的变化的联系。这些关联为将视网膜衰老用作认知健康的替代措施提供了一种新颖的替代方法。

郑教授说：“借助retiphenoage，我们能够无创地估计一个人的生物年龄，为认知健康管理和更广泛的衰老研究提供了宝贵的见解。这可以帮助医生确定具有认知能力下降或痴呆症的人的风险，在症状出现之前，在症状出现之前，可以在出现更多的有针对性的干预措施之前进行筛查。我们的筛查和更多的筛查工具，并在较大的范围内进行了筛查，并在较大的范围内进行了多样化的范围，并在症状上进行了更多的启示，并在症状上进行了更大的启发。临床环境指导痴呆症的早期治疗。”

Chen教授补充说：“随着痴呆症数量在全球范围内增加，我们迫切需要具有可扩展性和预测性的工具。retiphenoage可以拥有有效且负担得起的社区级筛查的关键。这些发现使我们更加接近开发简单且负担得起的筛查方式，这些方式可以将可以集成到常规的健康状况中，从而使早期的凹陷风险和效力降低了风险。

Chen教授也来自NUS Medicine的药理学系，是NUHS的记忆，衰老和认知中心的负责人，以及国立大学医院（NUH）心理医学系的来访顾问。

这项研究的首位作者Sim Ming Ann博士和Chung教授补充说：“我们希望这些发现将导致护理的改善，这将帮助医生在出现症状之前识别出患有痴呆症风险的人，这可能会导致较早的干预措施并改善患者结果。”

Sim博士是Ng Teng Fong General Hospital和NUH的顾问，也是博士学位。NUS Medicine的候选人，而ASST THAM教授来自NUS Medicine的创新与精密眼睛健康中心。

这项研究标志着数字生物标志物领域的显着进步，并证明了将AI与非侵入性成像相结合以应对紧迫的医疗保健挑战的潜力。由于retiphenoage使用了许多新加坡多诊所中现有成像工具的视网膜扫描，因此它提供了一种方便且可扩展的解决方案，可以将其无缝集成到常规的健康检查中。该研究团队目前正在努力验证亚洲及其他地区各种人群中的生物标志物，并评估其在临床和社区保健环境中的适用性。

在这项工作的基础上，Cheng教授和Chen教授将使用视网膜成像来筛查社区认知障碍的人。他们还在探索如何使用retiphenoage来跟踪旨在减慢或预防认知能力下降和痴呆症的干预措施的个人反应，例如生活方式修改，药理治疗和其他治疗方法。