人工智能量化甲状腺眼病面部衰老：病理改变与代偿机制新发现

本研究针对甲状腺眼病对面部衰老感知的影响机制不清问题，由研究人员开展AI量化面部衰老研究。发现TED患者初诊时AI估龄较实际年龄显老4.3年（P=0.005），而随访5年后反显年轻5.0年（P=0.004），揭示TED病理过程可能通过软组织体积变化影响年龄感知。

　　

这项研究旨在阐明甲状腺眼病对感知面部衰老的影响。在这项横断面队列研究中，研究人员采用经过训练可从面部照片推断年龄的人工智能模型，分析了两组对象的面部衰老变化：甲状腺眼病患者组和年龄匹配的对照组。研究分析了随访超过5年的患者初诊和末次就诊的标准照片。

人工智能模型的性能与由眼整形外科医生组成的专家组进行了比较。研究对比了实际年龄、AI推断年龄和专家估计年龄。结果发现，AI最初估计TED受试者比其实际年龄老4.3岁，而对照组仅显老0.63岁（P=0.005）。在末次随访时，TED患者被估计比其实际年龄年轻5.0岁，而对照组仅显年轻1.4岁（P=0.004）。TED患者实际年龄变化与AI推断年龄变化之间的平均差异为9.3年，而对照组为2.0年（P<0.001）。人类专家在所有组别和时间点都倾向于低估年龄。在估计对照组末次随访点的年龄时，AI模型的准确性显著高于人类专家。

人工智能估计显示，TED患者在初诊时比实际年龄显老，而在末次随访时则比实际年龄显年轻。这种现象可能源于TED初期病理性软组织容积扩张，这可能补偿了与年龄相关的软组织萎缩。