应用深度神经网络和Klemera-Doubal方法估计生物学年龄

作者：陈淑婷; 高倩; 曹利美; 王佳乐; 王彤^*

来源：中国公共卫生, 2023, 39(06): 782-788.

• 生物学年龄
• 深度神经网络
• Klemera-Doubal方法
• 衰老

目的 将深度神经网络(DNN)和Klemera-Doubal方法(KDM)应用于中国中老年人群估计生物学年龄(BA)，并选择最优方案评价模型表现。方法 从中国健康与养老追踪调查(CHARLS)2011—2012年的全国基线调查数据中，选取45岁≤年龄≤85岁中老年人的血液标志物样本(11 513人)、身体测量指标样本(13 603人)和血液+身体测量样本(9 904人)，应用DNN和KDM估计BA，根据Pearson相关系数、平均绝对误差(MAE)和均方根误差(RMSE)评价BA的估计准确性和选出最优方案。通过计算BA和时序年龄(CA)回归的残差ΔBA，与死亡情况、认知能力构建复杂抽样logistic回归或线性回归模型。结果 3种样本均是血液+身体测量样本计算的BA与CA相关性最高(r DNN=0.91;r KDM=0.48),MAE(MAEDNN=3.11;MAEKDM=13.74)和RMSE(RMSEDNN=4.15;RMSEKDM=17.76)最低，DNN的BA估计准确性优于KDM。在血液+身体测量样本中，死亡风险随DNN-ΔBA、KDM-ΔBA、CA增加而升高，反之，认知能力随其增加而降低。基于受试者工作特征(ROC)曲线下面积(AUC)评价模型的预测作用，KDM-ΔBA对死亡风险的预测准确性略优于DNN-ΔBA(AUCKDM-ΔBA=0.717;AUCDNN-ΔBA=0.699)。此外，相比于正常衰老者(–5≤ΔBA≤5)，衰老加速者(ΔBA> 5)具有明显更高的死亡风险(ORDNN=1.760,95%CI=1.207～2.567;ORKDM=1.872,95%CI=1.308～2.679)，并与更低的认知能力(βDNN=–0.631,95%CI=–1.124～–0.139;βKDM=–0.374,95%CI=–0.680～–0.068)有关。结论 最优方案包含多类型数据(血液+身体测量指标)具有较高的BA估计准确性，明显优于单类型数据，更能准确评估个体的衰老速度。DNN相较于KDM具有更高的BA估计准确性，且DNN与KDM的预测表现较为接近，可认为DNN应用于我国中老年人群评估个体的衰老变化具有更优表现。

• 单位
  公共卫生学院; 山西医科大学