Nat Aging: 李开复Nature子刊发文,指出人工智能在长寿中的作用

2021-01-21 haibei MedSci原创

最近,李开复等人在Nature Aging发文指出,在大量纵向数据中寻找复杂模式的任务是现代人工智能(AI)的一大优势。

衰老是所有生物共有的一个普遍特征。虽然衰老的速度在个人和物种之间可能有所不同,但年龄是健康状况和死亡率的有力预测因素。靶向衰老可能比预防或治疗个别疾病更能大幅度地延长平均预期寿命。然而,在既定的药物发现和开发框架内,制药公司仍在寻找治疗个别慢性疾病(如癌症和血管或肺部疾病)的化合物和干预措施。

目前的生物医学研究旨在找出疾病的潜在机制和特异性分子靶点,以改变疾病、治疗疾病症状或治愈疾病。一旦一种药物被批准,医学界就必须遵循特定的、确定的方案,这些方案大多是针对特定疾病的治疗,用特定的药物或组合药物进行治疗。临床医生很少会开出标签外的药物,即使有证据表明该药物可能对另一种疾病的治疗有效。

虽然循证医学在过去半个世纪里对降低死亡率有压倒性的效果,但人们的健康寿命却没有随之增加,这也增加了发达国家疾病的经济负担。

了解衰老过程需要在不同类型的数据集中对数百万个参数进行纵向监测,这些参数在人类生命过程中变化非常缓慢,并且在遗传和社会文化多样化的人群中差异明显。最近,李开复等人在Nature Aging发文指出,在大量纵向数据中寻找复杂模式的任务是现代人工智能(AI)的一大优势。

深度学习(Deep learning,DL)是人工智能研究的一个突破,它可以在海量纵向数据集上训练深度神经网络(DNNs),而此前在长寿领域几乎不可能全面挖掘和解释这些数据。

对于如何定义人类的 "生物年龄 "还没有达成共识,但这个词通常指的是一种测量方法,它比年代年龄更能预测死亡率、疾病或虚弱程度,而且这种方法会随着老年保护干预措施的变化而变化,并能跟踪衰老的一些生物标志,例如吸烟会促进细胞衰老。

DL在建立深度老化时钟(DAC)方面发挥了重要作用,该时钟根据从常规血液分析中提取的数据生成个人生物年龄状态的估计。使用DAC等人工智能驱动的工具,临床医生应该能够更精确地评估和监测个人健康风险,并为特定的人定制适当的干预措施或生活方式的改变。

该文作者将长寿医学定义为精准医学的一个分支,由AI技术驱动,专注于延长寿命和健康寿命。AI驱动的长寿医学将促进发现针对特定个体的药物靶点,确定量身定制的老年保护干预措施,以及衰老和长寿生物标志物,以加强对衰老和疾病轨迹的研究,并确定可能有助于减缓甚至逆转与衰老相关的生物、生理或心理过程的干预措施。

目前,有越来越多的基于人工智能的工具,可以获取相关的健康参数,如患者的生物年龄,这些工具利用各种 "omics "数据,从不同的维度呈现患者的健康状态和衰老速度,为预后提供参考。为了使这些工具被临床医生采用并被医学界接受,它们需要被整合到当前的临床实践框架中,从初级到二级预防、治疗和监测。这种整合需要通过临床医生、衰老研究科学家和人工智能研究人员之间的共生合作,实现现代人工智能和医学的融合。

除了学术界和监管当局之外,工业界的参与也将是重要的。就像在互联网早期,我们见证了移动技术、即时通讯和社交网络的出现一样,我们期望看到更多由专家爱好者组成的风险投资团体在这一新兴领域创办企业。这些企业将提供基于人工智能的工具,如DAC,以跟踪衰老,这将有助于从临床医生提供的数据和向临床医生提供的数据中建立基于证据的知识。

随着长寿医学领域的发展,我们也必须考虑到其对健康公平的潜在影响。对于所有的医学分支来说,由于各种因素,包括社会经济地位、地缘政治地位和种族,导致健康结果的重大不平等,这是一个巨大的伦理问题。人们可能会认为,只有富人才能获得长寿医学解决方案,从而加深了健康差异。然而,长寿医学部分配备了包括可穿戴式追踪器和DAC在内的低成本和微创装备,将有助于解决公共卫生规模的问题。基因检测已经证明,专业精准医学检测的民主化是可能的。

因此,该文作者认为,鉴于基于人工智能的实验性长寿医学进展迅速,现在是催化其转化为普通临床实践的时候了。这一转变将为患者和健康个体带来新的解决方案。

 

原始出处:

Alex Zhavoronkov et al. Artificial intelligence in longevity medicine. Nature Aging (2021). 

 

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1884915, encodeId=d1fb188491590, content=<a href='/topic/show?id=3b2112532d8' target=_blank style='color:#2F92EE;'>#Nat#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=33, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12532, encryptionId=3b2112532d8, topicName=Nat)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=2e6f107, createdName=liye789132251, createdTime=Sun Dec 05 22:29:21 CST 2021, time=2021-12-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=918653, encodeId=13f6918653c5, content=了解, beContent=null, objectType=article, channel=null, level=null, likeNumber=57, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://img.medsci.cn/20210121/9393fab26e3c4a999f2b6091c71281d4/33dbbedd82c54b258d6eb9e9985eedcd.jpg, createdBy=c75b2552189, createdName=仁爱之, createdTime=Thu Jan 21 10:34:00 CST 2021, time=2021-01-21, status=1, ipAttribution=)]
    2021-12-05 liye789132251
  2. [GetPortalCommentsPageByObjectIdResponse(id=1884915, encodeId=d1fb188491590, content=<a href='/topic/show?id=3b2112532d8' target=_blank style='color:#2F92EE;'>#Nat#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=33, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12532, encryptionId=3b2112532d8, topicName=Nat)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=2e6f107, createdName=liye789132251, createdTime=Sun Dec 05 22:29:21 CST 2021, time=2021-12-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=918653, encodeId=13f6918653c5, content=了解, beContent=null, objectType=article, channel=null, level=null, likeNumber=57, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://img.medsci.cn/20210121/9393fab26e3c4a999f2b6091c71281d4/33dbbedd82c54b258d6eb9e9985eedcd.jpg, createdBy=c75b2552189, createdName=仁爱之, createdTime=Thu Jan 21 10:34:00 CST 2021, time=2021-01-21, status=1, ipAttribution=)]
    2021-01-21 仁爱之

    了解

    0

相关资讯

NAT COMMUN:清华大学和华中科技大联合开发新冠AI诊断工具

基于胸部CT对COVID-19进行早期检测,可以及时对患者进行治疗,有助于控制疾病的蔓延。

遗传病面部识别系统(BioFace)在全球人工智能博览会上斩获优秀案例奖

苏州BioX生命智能产业研究院自主研发的“基于人工智能技术的遗传病面部识别系统”项目被纳入“苏州工业园区人工智能优秀应用案例库”。

Cancer cell:科学家开发出人工智能系统,让AI为癌症患者匹配更佳药物组合

研究人员创建了一个名为DrugCell的新人工智能(AI)系统,该系统让肿瘤与最佳药物组合相匹配成为可能。

Eur Radiol: 想准确地检出CT中的肋骨骨折,又不想看瞎眼,那有什么好办法吗?

     放射科医师的眼是保住工作的铁饭碗,然而,有些工作偏偏想砸了他的铁饭碗!

Clin Cancer Res:逆天的人工智能,仅根据HE染色片即可判断是否存在HPV感染!

口咽鳞状细胞癌(OPSCC)中的人乳头状瘤病毒(HPV)具有致瘤性,与烟草、酒精等致癌物引起的OPSCC相比,具有良好的预后。与此同时,人工智能(机器学习)已经发展成为一种强大的工具,可以预测各种来源

Eur Radiol:影像学相关人工智能实现无所不能的羁绊在哪里?

为什么AI的潜能与其在放射诊断领域的应用之间存在重大差距?