萊斯布里奇大學(xué)的研究人員使用AI分析了吸煙者的血液生物化學(xué)，發(fā)現吸煙使人們的生物學(xué)年齡增長(cháng)。研究結果發(fā)表在《科學(xué)報告》上。

“通過(guò)采用通過(guò)監督式深度學(xué)習技術(shù)開(kāi)發(fā)的年齡預測模型，我們發(fā)現吸煙者比非吸煙者表現出更高的衰老率。換句話(huà)說(shuō)，我們表明吸煙使人的生物學(xué)年齡增長(cháng)，”加拿大萊斯布里奇大學(xué)生物科學(xué)系教授奧爾加·科瓦爾丘克(Olga Kovalchuk)博士在 一份準備好的聲明中說(shuō)。

Kovalchuk及其同事分析了與吸煙狀況相關(guān)的149,000個(gè)匿名個(gè)人血液生化記錄中的數據-該隊列中的49,000個(gè)人是吸煙者。機器學(xué)習算法在血液中尋找與衰老相關(guān)的66種不同的生物標志物，包括血紅蛋白A1c(hbA1c)，血尿素，空腹血糖和血清鐵蛋白。

然后，機器學(xué)習算法或“老化時(shí)鐘”根據其血液中的生物標志物模式猜測該隊列的年齡。研究人員在研究中指出，血液標志物與年齡之間存在線(xiàn)性關(guān)系。實(shí)際上，年齡預測表明，男性吸煙者的生物學(xué)年齡是其年齡的1.5倍，而女性吸煙者的年齡幾乎是其實(shí)際年齡的兩倍。

研究人員在研究中寫(xiě)道：“我們的研究還表明，年齡小于40歲的年輕吸煙者的生物學(xué)年齡明顯高于其年齡年齡。” “令人驚訝的是，這種影響在最老的受試者中消失了。”

基于深度學(xué)習的血液衰老時(shí)鐘可以充當相對健康的個(gè)體的“合理準確的年齡預測”，也可以充當評估生活方式因素對生物衰老影響的精確工具。

此外，它們還可以作為患者吸煙狀況的區分者-換句話(huà)說(shuō)，基于深度神經(jīng)網(wǎng)絡(luò )的分類(lèi)器有可能支持甚至取代患者的自我報告，并且可以“提供更好的吸煙率統計評估”。 Kovalchuk及其同事在研究中寫(xiě)道。

研究人員寫(xiě)道：“這項研究中使用的基于深度學(xué)習的方法可以擴展到分析吸煙與生化定義的糖尿病和血脂異常以及其他潛在發(fā)病率的綜合影響。” “類(lèi)似地，DNN可以用于預測健康軌跡和結果，或評估各種其他環(huán)境暴露，飲食因素和遺傳風(fēng)險對健康和衰老的影響程度。”