Imaging-based biological age estimation predicts competing mortality risk in lung cancer screening
本研究表明，基于低剂量 CT 扫描得出的影像学生物年龄评估，显著提高了肺癌筛查参与者非肺癌死亡风险的预测能力，相比于仅使用实际年龄，它能更准确地评估竞争性风险。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正站在一座巨大的图书馆里，但书架上存放的不是书籍，而是人们的身躯。几十年来，医生一直使用一个简单的规则来推测一个人的寿命：查看他们出生证明上的日期。这就是他们的“生理年龄”（chronological age）。如果你出生于1960年，那么你就是64岁。但转折在于：两个出生在同一年的人，其感受和功能可能截然不同。一个人可能正在跑马拉松，而另一个人却在艰难地爬上一段楼梯。这种差异被称为“生物学年龄”（biological age）。这就像汽车的里程表与发动机健康状况的关系；两辆车可能行驶了相同的里程，但一辆的发动机已经生锈，而另一辆则经过了完美调校。
在肺癌筛查领域，医生使用特殊的低剂量螺旋CT扫描来寻找可能演变成癌症的肺部微小肿块。目标是在这些肿块变得危险之前及早发现它们。然而，这里有一个棘手的难题。接受筛查的人通常是高龄吸烟者。虽然他们面临肺癌风险，但也面临着许多其他可能夺走他们生命的风险，比如心脏病或呼吸系统疾病。有时，一个人可能因为其他原因而身体过于虚弱，以至于早期发现肺癌肿块也无法延长其寿命。医生需要一种方法来区分一个人是因为出生年份而“老”，还是因为身体机能耗尽而“老”。他们需要一种衡量“发动机”磨损程度的方法，而不仅仅是看“里程表”上的数字。
这正是来自伦敦大学学院及其他机构的研究团队致力于解决的问题。他们提出了一个简单而强大的问题：我们能否利用肺部扫描图像来构建一个“生物学年龄”评分，从而预测谁更有可能死于“非肺癌”原因？
研究人员观察了一个庞大的群体，其中包含一万两千多人，他们曾参与过伦敦的一项肺癌筛查试验。研究人员不仅观察了肺部，还使用了一种聪明的计算机程序（一种人工智能），来测量人体内随年龄增长而变化的四个特定指标：肌肉中隐藏脂肪的量、骨骼密度、动脉中钙化的程度，以及心脏周围脂肪的堆积量。你可以把这些想象成机器随着时间推移而积累的“铁锈”、“裂纹”、“污垢”和“淤泥”。
通过结合这四个测量值，团队创造了一个名为“年龄差距”（age gap）的单一数值。这个数值告诉你，与你的实际出生年份相比，你的身体感觉老了多少或年轻了多少。如果你的年龄差距是正数（例如 +5），说明你的身体看起来比实际年龄大5岁。如果你的年龄差距是负数（例如 -5），则说明你的身体看起来比实际年龄年轻5岁。
结果非常引人入胜。团队发现，这个“年龄差距”是预测谁可能死于非肺癌原因的“水晶球”。每当你的生物学年龄比实际年龄大10岁，你死于心脏病或慢性阻塞性肺疾病（COPD）等原因的风险就会翻倍。事实上，在预测非肺癌死亡方面，这个生物学年龄评分甚至比仅看出生年份更有效。然而，在预测谁会真正“患上”肺癌时，年龄差距并没有那么大的帮助。它对于预测“其他”风险是一个极好的预测指标，但对于肺癌风险本身并不是一根魔杖。
这项研究表明，这种方法可以帮助医生进行更好的医患沟通。想象一下，一位55岁的男性，由于他的扫描结果，看起来生物学年龄像是65岁。尽管按日历计算他还很年轻，但他的身体已显示出严重的磨损迹象。医生可能会说：“你的肺部目前看起来还可以，但你的身体显示出明显的衰老迹象。你死于其他疾病的风险很高，所以也许我们应该先专注于修复你的心脏和肺部，而不是仅仅盯着癌症看。”相反，一位70岁的女性，她的扫描显示她生物学年龄只有60岁，那么她可能是一个继续接受筛查的绝佳对象，因为她的“发动机”仍在强力运转。
研究人员谨慎地指出，这还不是最终的解决方案。他们在伦敦的一个特定人群中测试了他们的想法，他们需要观察这是否适用于世界上的其他人。他们也指出，虽然他们的计算机模型很聪明，但它不能取代医生的判断。但他们已经证明，一次简单的扫描所能做的不仅仅是寻找肿块；它还可以讲述一个关于人体衰老速度的故事。通过使用这种“生物学年龄”评分，医生或许能够量身定制筛查计划，从而为那些真正需要的人提供帮助，而不至于在那些身体已经在应对太多其他战斗的人身上浪费时间。这是向着让筛查不仅是寻找癌症，更是为了理解“完整的人”迈出的一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。