基于电子健康记录ICD-10诊断历史的机器学习衰老时钟EHR-AGE的构建与验证

《npj Aging》：EHR-AGE: measuring biological age based on medical history data

摘要

衰老时钟已成为测量生物学年龄的主要工具，为个性化医学和抗衰老干预提供了有用手段。然而，在临床实践中，大多数当前衰老时钟（例如基于组学数据的时钟）所需的数据并不总能获得，因为它们成本过高或耗时过长。相比之下，患者的病史通常可以通过电子健康记录（EHR）系统轻松获取。在此，我们使用了一个包含匈牙利全国人口（约950万人）在2010年至2021年间诊断代码（基于国际疾病分类ICD-10）的数据集。我们训练机器学习算法，根据患者过去3年的ICD-10诊断历史来预测其生理年龄。最终模型（EHR-AGE）对独立测试样本的年龄预测表现优异（皮尔逊r = 0.89，平均绝对误差 = 7.78年）。EHR-AGE模型的年龄加速与全因死亡率相关，表明基于电子健康记录病史的年龄预测可以作为生物学年龄的一种补充测量手段，并在未来成为临床实践中有用的工具。