Nat. Aging | 人工智能在长寿医疗中的应用

编·译作者 | 王建民

最近在深度学习方面的进展使人工智能系统的发展能够在许多任务中超越人类，并开始为科学家和医生提供新的工具。Alex(CEO of Insilico Medicine)等人讨论了最近人工智能在老龄化研究中的应用是如何导致长寿医学领域的出现的。

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，但自出生以来的时间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。然而，临床医生出于对可能出现的副作用的担忧和避免可能出现的医疗事故索赔，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，但由于由此带来的寿命延长，而健康期却没有随之增加，这也增加了发达国家疾病的经济负担。由于老龄化在许多人类疾病的发生和发展中起着关键作用，并影响到身体的所有器官，许多慢性病在晚年同时表现为合并症。结合全球人口老龄化的趋势，现代医学在延长生命方面取得的这种明显胜利，导致了医疗费用的激增，却未能同时改善老年人的健康状况和生活质量。

人工智能在生物医学研究和医学领域的出现

机体层面采取报复性的、基于性别科学的措施来治疗老龄化，将比针对单一疾病或器官的反应性治疗方法带来更多的好处，因为这些方法无助于显著改善健康寿命。人们常常忽略的是，以疾病为重点的治疗方法并不能显著延长寿命。据估计，在美国，完全消除一种致命的疾病，如癌症，只会导致人口预期寿命在出生时增加2.3年，在65岁时增加1.2年，因为大部分的总死亡率是由于与年龄有关的疾病和上述的多种疾病。老年生理期不建议作为正式死因报告，但它仍然是全世界老年人死亡的主要原因。因此，将预防和消除慢性疾病的方法结合起来，在常规临床护理中加入老年学的方法，将产生最佳的效果，因为它将促进长寿和健康的寿命。

然而，理解衰老过程需要对许多不同类型的数据集中的数百万个参数进行纵向监测，这些数据集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也有明显的变化。虽然人类可以被训练成准确预测年龄并解释导致其预测的特征--例如使用面部图像--甚至提出纠正措施，但没有人类医生可以在多种不同的生物数据类型上做到这一点，例如血液测试或基因表达数据。幸运的是，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)展示独特的，通常是壮观的表现。自2014年以来，人工智能系统在多个领域的表现已经超过了人类专家，包括图像识别、知识问答、视频游戏、语言翻译和许多其他任务。这些成就大多得益于使用高性能计算在大型数据集上训练的深度神经网络的各种进展。重要的是，深度生成强化学习已经成功地应用于从药物发现到临床试验结果预测和个性化医疗等广泛的生物医学应用中。

AI驱动的工具让长寿医疗成为可能

深度学习(Deep learning，DL)是人工智能研究的一个突破，它允许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"，目前还没有达成共识，但这个词通常指的是一种比年龄更能预测死亡率、疾病或虚弱程度的测量方法，而且这种测量方法会随着老年保护干预措施的变化而变化，并能追踪衰老的一些生物学标志，例如吸烟对细胞衰老的促进作用。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。研究人员认为，DAC应该成为医生工具箱的重要组成部分，使AI支持的建议能够促进健康长寿。其他优于人类的基于DL的解决方案，如用于早期癌症或动脉瘤检测的放射图像分析算法以及皮肤病检测，可以提供互补的好处。在此背景下，研究人员将长寿医学定义为精准医学的一个分支，专门专注于促进健康跨度和寿命，并由AI技术驱动。AI驱动的长寿医学将促进发现特定个体的药物靶点，确定量身定制的老年保护干预措施和老化和长寿生物标志物，以加强对老化和疾病轨迹的研究，并确定可能有助于减缓甚至逆转与老化相关的生物、生理或心理过程的干预措施。随着长寿生物技术和人工智能的最新进展开始在临床研究和临床实践中渗透，医生将越来越多地需要浏览各种人工智能技术和应用，包括那些可能与新生的长寿医学领域相关的技术和应用。

长寿医学在临床医疗和长寿产业中的机遇

为了使长寿医学被正式视为医学的一个分支，它需要由医生进行实践。临床实践需要有临床方案和诊断及治疗指南，并有明确的结果衡量标准、生物标志物和国家监管部门批准的药物。然而，要制定至少初步的长寿医学干预的临床建议，需要将衰老作为一种医学状况进行监测和治疗，并进行指定的研究以证明特定干预措施的有效性和安全性。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、老年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。医生应该受到鼓励，并有机会参与到基于AI的长寿研究中来。同时，应推动AI驱动的长寿生物技术和基于AI的生物标志物驱动的科学，并寻求密切的临床和元临床合作。医生首先需要获得量身定制的、经过验证的、有公信力的基于AI的生物基因科学教育，比如通过认证的课程，让长寿医生进一步建立自己的网络，最终建立一个独立的医学学科。要想将相关的科学发现带入试验，并将研究结果带入临床，对人工智能驱动的生物地质科学的基本知识是必不可少的。

除了学术界和监管部门，工业界的参与也将非常重要。就像在互联网早期，人们见证了移动技术、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，以及从与有兴趣延长健康生产生活期的自费客户合作的高端诊所中获得。

随着长寿医学领域的发展，人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武器库，应该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。预计其他 "全息医学 "甚至成像技术也会有类似的发展。尽管如此，随着长寿医学领域的不断发展，牢记健康不平等的问题将非常重要。

学术界和生物技术行业的长寿研究也应该受益于大型制药公司愿意采用临床试验注册和监测工具，以及有兴趣为希望在生命结束时获得大笔赔付的客户提供额外服务的人寿保险公司。最终，这种合作还将鼓励在监管机构内建立行业团体或分支机构，以定义和建立共同的临床实践和行业标准，以及指导未来基于人工智能的长寿医学所需的法规。

结论

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。长寿医学也是迄今为止往往各具特色的参与者进行多学科合作的机会，将公共卫生转变为公众健康长寿。

参考资料

Zhavoronkov, A., Bischof, E. & Lee, KF. Artificial intelligence in longevity medicine. Nat Aging 1, 5–7 (2021).

https://doi.org/10.1038/s43587-020-00020-4