Accurate estimation of biological age and its application in disease prediction using a multimodal image Transformer system

https://www.pnas.org/doi/10.1073/pnas.2308812120

以下は、上記の論文のアブストラクトをChatGPTに解釈させたものです。解釈の正確性について保証はいたしません。

• 論文タイプ：本文には明示されていませんが、"RESEARCH ARTICLE"と記載されているため、原著論文の可能性が高いです。掲載誌は"PNAS（Proceedings of the National Academy of Sciences）"です。

• 本研究の背景と関連研究：本研究の背景は、「加齢は避けられず、慢性疾患のリスク因子である」ということです。加齢の生物学的年齢（BA）は、加齢に伴う慢性疾患のリスクを予測するためのバイオマーカーとして利用されることがあります。過去の研究では、脳MRIや網膜、顔の画像などのバイオマーカーからBAを予測するAI手法が開発されてきましたが、個々の身体システムから予測されるBAの有用性は限られているとされています。

• 本研究の目的とその重要性：本研究の目的は、顔、網膜、舌の画像を組み合わせたAIモデルを開発し、これらの画像からBAを推定することです。健康な人々のデータを用いてモデルを訓練し、慢性疾患やリスク要因を持つ人々のデータを用いてモデルを検証しました。本研究の重要性は、容易に入手可能な患者データを使用して慢性疾患を同定する方法を示した点です。

• 本研究で用いた材料やデータの詳細：本研究では、中国の健康な参加者11,223人の顔、舌、網膜の画像を使用してモデルを訓練しました。また、慢性疾患やリスク要因を持つ2,840人の参加者のデータを使用してモデルの検証を行いました。

• 本研究で何をどのように、どこまで明らかにした？：本研究では、顔、舌、網膜の画像を組み合わせたAIモデルがBAを正確に予測できることを示しました。健康な参加者のデータを使用した場合、モデルの予測性能が高いことが分かりました。また、慢性疾患を持つ参加者において、BAと実際の年齢との差（AgeDiff）が健康な参加者よりも大きいことが明らかになりました。AgeDiffは、慢性疾患の診断や進行予測において有用なバイオマーカーとして使用できる可能性があります。

• 本研究の有効性はどのように検証した？：本研究では、モデルの予測性能を内部および外部のテストデータセットで評価しました。内部テストデータセットおよび外部テストデータセットにおけるBAの予測結果と実際の年齢との相関係数、平均絶対誤差（MAE）、決定係数（R2）の改善が示されました。また、Grad-CAM++を用いた解釈結果から、モデルが注目する領域が舌の近くや網膜の血管密度領域、顔の目の領域に集中していることが明らかになりました。