视网膜扫描：一种非侵入性、廉价的追踪人类衰老的方法

克研究所教授 Pankaj Kapahi 认为眼睛是衰老的窗口。他的实验室与谷歌健康和扎克伯格旧金山综合医院合作，展示了眼底成像（视网膜中富含血管的组织）如何以无创、成本更低的方式用于追踪人类衰老并且比目前可用的其他老化时钟更准确。研究人员还进行了一项全基因组关联研究 (GWAS)，以确定这种时钟的遗传基础，他们称之为 eyeAge。

“这种类型的成像对于跟踪旨在减缓衰老过程的干预措施的效果可能非常有价值，”该研究的资深合著者卡帕希说。“结果表明，在不到一年的时间里，我们应该能够通过注意到接受治疗的人眼睛的明显变化，以 71% 的准确度确定衰老轨迹，从而对老年保护疗法提供可操作的评估。” Kapahi 指出，视网膜扫描可能更可靠，因为眼睛的变化比血液中的生物标志物更不容易受到日常波动的影响，血液中的生物标志物更具动态性，可能会受到吃饭或当前感染等简单事情的影响.

越来越多的证据表明，视网膜中的微血管系统可能是身体循环系统和大脑整体健康状况的可靠指标。眼睛的变化伴随着衰老和许多与年龄相关的疾病，包括与年龄相关的黄斑变性 (AMD)、糖尿病性视网膜病变以及帕金森病和阿尔茨海默病。眼科医生通常可以检测出艾滋病、慢性高血压和眼部肿瘤的早期症状，这一效用不足为奇，因为血管系统的任何细微变化首先出现在最小的血管中，而视网膜中的毛细血管是其中之一体内最小的。

但即使是最精密的仪器也常常无法检测到这些小血管的细微变化，因此有必要使用深度学习，这是由谷歌研究院牵头的一项努力。来自谷歌和其他地方的研究人员已经开发出模型来根据视网膜图像预测糖尿病性视网膜病变，并继续使用视网膜图像来识别至少39 种眼病，包括青光眼、糖尿病性视网膜病变和 AMD，以及慢性肾病等非眼病病和心血管疾病。

谷歌研究人员使用他们经过充分研究的 EyePACS 数据集训练和调整了 eyeAge 模型，该数据集涉及超过 100,000 名患者，并将其应用于来自英国生物银行的患者，其中涉及超过 64,000 名患者。

“我们的研究强调了纵向数据对于分析准确老化轨迹的价值。通过涉及个人随时间多次扫描的 EyePACS 纵向数据集，我们的结果显示连续两次访问个人而不是随机、时间匹配的个人的阳性预测率更准确”，共同通讯作者、谷歌研究院前研究员萨拉·阿哈迪 (Sara Ahadi) 说，她现在是 Alkahest 的高级计算生物学家。

注意到 eyeAge 独立于表型年龄（基于血液标记的成熟衰老时钟），Ahadi 补充道，“我们正在通过不同的镜头看待衰老，并为桌面带来更多信息。我们希望 eyeAge 将与其他时钟使跟踪老化更加稳健、强大和全面。”

GWAS 是在巴克研究所利用英国生物银行提供的生物样本完成的。Buck 研究所的博士后 Kenneth Wilson 验证了分析中强调的一些基因，该研究建立在之前的 Buck 研究的基础上，该研究揭示了果蝇饮食、眼睛健康和寿命之间的联系。威尔逊从患者样本中鉴定出近 30 个与视力下降、糖尿病、听力损失、阿尔茨海默病、心血管疾病和中风相关的基因。其中一个基因 ALKAL2 先前已被证明可以延长果蝇的寿命（通过果蝇同系物 ALK）。当威尔逊击倒果蝇中的基因时，它改善了它们晚年的视力并延长了它们的寿命。

Kapahi 说这项研究的结果已经成熟，可以进行更多的研究。“了解这些已经与其他与年龄有关的疾病有关的基因如何影响我们在眼睛中看到的变化，这将非常有用，”他说。“这是为年龄相关疾病的潜在治疗提供目标的人类数据。事实上，我们可能能够以如此低成本、非侵入性的方式追踪它们的疗效，这是一个巨大的优势。”