Lancet子刊：多器官影像的年龄密码，深度学习如何量化人体衰老速度？

本文综述了基于深度学习的医学影像技术在生物年龄预测领域的最新进展。研究背景指出，传统的实际年龄无法准确反映个体生物衰老的异质性，而生物年龄的精准量化对疾病风险预测和干预策略至关重要。研究目的是通过多模态医学影像（如脑部MRI、胸部CT、腹部CT/MRI、骨骼影像和面部照片）结合深度学习模型（如CNN、Transformer等）来预测生物年龄，并探讨其临床应用前景和技术难点。研究结论显示，不同器官系统的影像生物年龄偏差与多种疾病风险和健康结局显著相关，如脑年龄偏差与认知功能障碍和神经退行性病变相关，胸部年龄偏差与心血管疾病预后相关。此外，文章还强调了技术瓶颈（如数据偏倚、模型泛化能力）和伦理问题（如隐私泄露、算法偏见），呼吁跨界合作推动技术安全有效推广。