量子位
·
你的衰老速度被科学家拍出来了| Nature子刊
💡
原文中文，约4200字，阅读约需10分钟。
📝
内容提要
研究表明，DunedinPACNI指标能够量化个体衰老速度，基于MRI数据分析大脑结构特征。该指标与认知功能、健康状况及慢性疾病风险相关，能有效预测未来的认知衰退和死亡风险。
🎯
关键要点
- DunedinPACNI指标能够量化个体衰老速度，基于MRI数据分析大脑结构特征。
- 该指标与认知功能、健康状况及慢性疾病风险相关。
- DunedinPACNI算法已开源，任何研究人员可利用MRI数据生成分数。
- 研究基于Dunedin研究，追踪1037位参与者的生理衰老生物标志物。
- 通过多维度实验，DunedinPACNI与纵向衰老速度的相关性为r=0.60。
- DunedinPACNI评分高的参与者表现出更差的平衡能力和认知功能。
- DunedinPACNI能够预测未来的认知衰退和痴呆风险。
- 基线DunedinPACNI评分高的参与者在随访中更易发展为MCI或痴呆。
- DunedinPACNI评分与海马体萎缩轨迹相关，具有预测能力。
- DunedinPACNI评分高的参与者更可能被诊断为慢性衰老相关疾病。
- 基线DunedinPACNI评分较高的参与者死亡风险增加，表明其评估整体健康状况的潜力。
❓
延伸问答
DunedinPACNI指标是什么？
DunedinPACNI指标是一个量化个体衰老速度的指标，基于MRI数据分析大脑结构特征。
DunedinPACNI如何预测认知衰退？
DunedinPACNI评分高的参与者在随访中更易发展为轻度认知障碍或痴呆，且进展时间更早。
DunedinPACNI的研究基础是什么？
该研究基于Dunedin研究，追踪了1037位参与者的生理衰老生物标志物。
DunedinPACNI与健康状况有什么关系？
DunedinPACNI评分高的参与者更可能被诊断为慢性衰老相关疾病，且整体健康状况较差。
DunedinPACNI的算法是否开源？
是的，DunedinPACNI算法已开源，任何研究人员都可以利用MRI数据生成分数。
DunedinPACNI如何评估衰老速度？
DunedinPACNI通过分析MRI数据提取的315项结构性特征，建立回归模型来评估衰老速度。
➡️
