基于深度学习的胸片年龄预测模型与表观遗传时钟在亚临床疾病中的比较研究

来自美国多中心研究团队通过对比深度学习胸片年龄预测模型(CXR-Age)与两代表观遗传时钟(Horvath Age和DNAm PhenoAge)，发现CXR-Age能更准确反映心肺功能衰退和虚弱状态，尤其对中年人群心肺衰老评估具有独特优势，为生物年龄评估提供了新型影像学生物标志物。

　　

这项突破性研究揭示了医学影像在衰老评估中的新价值。科研团队利用深度学习技术开发的胸片年龄预测模型(CXR-Age)展现出超越传统表观遗传时钟的临床相关性。在2,097名美国基线健康研究项目参与者中，CXR-Age与冠状动脉钙化、心血管风险因素、肺功能下降及虚弱程度呈现显著关联，同时检测到两种与神经炎症相关的血浆蛋白标志物。相比之下，第二代表观遗传时钟DNAm PhenoAge仅与13种血浆蛋白相关，其中仅钙粘蛋白13(CDH13)与CXR-Age存在交叉关联。值得注意的是，在中年人群中心肺功能指标与CXR-Age的关联强度显著高于表观遗传指标，这为中年期早期干预提供了重要时间窗口。研究首次证实医学影像衍生的生物年龄指标可能比DNA甲基化标记更能反映器官特异性衰老进程，特别是对心肺系统功能的评估具有独特优势。