哥本哈根大学、丹麦技术大学和伦敦帝国理工学院的研究团队表明，仅通过对比深度学习分析皮肤活检图像，就能判断一个人的年龄：而且模型学到的视觉特征构成了一种新型衰老生物标志物，可预测死亡率和慢性病风险。
该研究发表在arXiv上，目前正在npj Digital Medicine进行审稿。研究使用了皮肤活检的组织病理切片：这些组织样本是临床实践中常规采集的。通过应用对比深度学习（一种无需显式标签即可区分相似与不相似样本的技术），模型识别出了组织中与实际年龄相关的视觉特征。
更重要的是，研究人员将这些视觉特征与涵盖死亡结果和慢性病患病率的丹麦综合健康登记数据联系起来。由此产生的生物标志物不仅能预测一个人的年龄，还能预测其衰老速度：区分生物衰老较快和较慢的个体。
随着全球预期寿命的增加，与衰老相关的慢性病负担持续加重，但个体间的衰老速度存在显著差异。识别能够捕捉这种差异的生物标志物，对于理解衰老生物学、实现更早的疾病检测以及改进预防策略至关重要。
“这意味着，常规收集的健康数据在与深度学习结合使用时可以提供额外价值，”作者指出，”通过创建一种新的衰老生物标志物，可用于主动判断随时间推移的死亡率。”
该方法的突出之处在于使用了标准临床实践中已经收集的数据：皮肤活检通常用于检查可疑病变、皮疹和其他皮肤问题。如果在更广泛的人群中得到验证，该技术可以提供一种低成本的方法来评估生物年龄，无需专门的检测或特殊设备。
该研究使用了丹麦健康登记数据：这些数据记录了近数十年来几乎整个人群的健康结果：为研究团队提供了异常丰富的纵向数据，用于根据真实世界死亡率统计来验证其生物标志物。
来源：Contrastive Deep Learning Reveals Age Biomarkers in Histopathological Skin Biopsies（arXiv，2026年7月1日修订，npj Digital Medicine审稿中）
婷 翻译