基于机器学习开发适合中国人口的老龄化评价指标

来源：生物勘探2021-11-26 08:44

近日，德瑞智制药团队与浙江大学、昆山杜克大学在《Frontiers in Medicine》联合发表论文(影响因子5.1)。本研究利用机器学习(ML)方法建立了基于中国中老年人的生物年龄测量方法，证明了基于机器学习的生物年龄与疾病发病率和死亡率之间存在密切关系。同时，发现基于机器学习的生物年龄比以往的方法有优势。德瑞智制药团队负责这项研究的建模。

近日，德瑞智制药团队与浙江大学、昆山杜克大学在《Frontiers in Medicine》(5月1日)联合发表论文。本研究利用机器学习(ML)方法建立了基于中国中老年人的生物年龄测量方法，证明了基于机器学习的生物年龄与疾病发病率和死亡率之间存在密切关系。同时，发现基于机器学习的生物年龄比以往的方法有优势。德瑞智制药团队负责本研究的建模和数据分析。

01研究背景

根据第七次全国人口普查结果，中国60岁及以上人口达到2.6亿，占总人口的18%以上。随着年龄的增长，各种疾病的发病率有所增加。截至2018年底，我国老年人患一种以上慢性病的比例高达75%，患病人数接近1.9亿[2]。因此，制定老龄化措施，如早期识别高危疾病患者，对我国应对老龄化问题至关重要。

评估患病风险的一个重要指标是个体的衰老程度，而生物年龄(BA)，即根据正常机体生理解剖发育状态计算的年龄，被认为是比个体实际年龄更为准确的衰老指标。近年来，机器学习在评价BA中的作用得到了越来越广泛的认可。然而，目前的研究大多集中在欧美人身上，缺乏基于ML的针对中国人的BA指标评价研究。因此，有必要进一步验证ML-BA评估个体衰老程度的准确性及其在中国人群中的应用价值。

02基于机器学习的生物时代的建立

这项最新研究由德瑞智医学和高校研究团队带来，旨在通过应用梯度提升回归树、梯度增强器、随机森林、CatBoost、支持向量机和AdaBoost回归等多种ML算法，开发新的、更精确的衰老度量。本研究使用的数据来源于2011年开始的——中国健康与养老跟踪调查，覆盖中国28个省、150个县/区和450个村庄/城市社区。参与者每两年接受一次随访，并在六年随访期内接受三次随访，报告其日常生活的基本活动(BADL)、日常生活的工具性活动(IADL)以及上肢和下肢的功能状态。

筛选后，这项新研究分析了9771名45-85岁参与者的数据。这些参与者的平均年龄为59.1岁(标准差=9.2)，男性和女性的平均年龄分别为59.8岁(标准差=9.1)和58.5岁(标准差=9.2)。其中，44.6%的参与者年龄在60岁以上，53.5%的参与者为女性。研究人员构建了一个二元模型来评估自基线以来6年随访期间参与者的死亡率。

研究团队基于19个项目用表1中的方法进行训练，发现梯度上升回归树表现最好(表1)，因此基于该模型计算参与者的ML-BA。

03基于机器学习的生物年龄验证

为了验证ML-BA，研究团队通过回归模型确定了ML-BA与疾病发病率和死亡率的关系。研究团队还建立了基于Klemera Doubal(KD)方法的经典BA，并比较了其与ML-BA的相关强度和相应的结果。

就与健康的关联而言，ML-BA和KDM-BA均与随访4年内参与者的身体残疾率显著相关，但ML-BA之间的相关性更高。在不调整任何协变量的模型中，每年当参与者的ML-BA增加时，BADL和IADL障碍的概率增加6%，上肢和下肢活动障碍的概率分别增加4%和7%(表2)。在随访6年内与死亡率的相关性方面，ML-BA和KDM-BA均与死亡率风险呈正相关，且死亡率风险随着每年的增加分别增加16%和10%。

调整模型中的年龄协变量后，ML-BA和KDM-BA在随访期间仍与参与者4年内的身体残疾率和6年内的死亡风险显著相关(表3)。随着ML-BA和KDM-BA一年的增加，参与者的死亡率分别增加了7% (OR=1.07，95% CI=1.05，1.09)和5% (OR=1.05，95% CI=1.04，1.07)。

04结论

本研究建立了第一个基于中国人群的ML-BA，证明该指标可用于预测老年人的残疾和死亡。该结论进一步支持了基于ML计算的BA作为生物衰老生物标志物的潜力，及其在帮助人们对我国普通老年人健康风险进行分类中的作用。未来，ML-BA有可能作为评价健康老龄化的指标，为我国和其他国家应对老龄化问题提供重要参考。昆山市政府资助了这项研究。(100yiyao.com)

版权声明

本网站标注“来源：百医网”或“来源：bioon”的文字、图片、音视频资料均属于百医网网站版权所有。未经授权，任何媒体、网站或个人不得转载，否则将承担责任。获得书面授权转载时，必须注明“来源：百医网”。其他来源的文章均为转载。本网站所有转载都是为了传递更多信息。转载不代表本网站的立场。不想被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户在随时阅读、评论、分享百医网APP。请扫描二维码下载-