莱斯布里奇大学的研究人员使用AI分析了吸烟者的血液生物化学，发现吸烟使人们的生物学年龄增长。研究结果发表在《科学报告》上。
“通过采用通过监督式深度学习技术开发的年龄预测模型，我们发现吸烟者比非吸烟者表现出更高的衰老率。换句话说，我们表明吸烟使人的生物学年龄增长，”加拿大莱斯布里奇大学生物科学系教授奥尔加·科瓦尔丘克(Olga Kovalchuk)博士在 一份准备好的声明中说。
Kovalchuk及其同事分析了与吸烟状况相关的149,000个匿名个人血液生化记录中的数据-该队列中的49,000个人是吸烟者。机器学习算法在血液中寻找与衰老相关的66种不同的生物标志物，包括血红蛋白A1c(hbA1c)，血尿素，空腹血糖和血清铁蛋白。
然后，机器学习算法或“老化时钟”根据其血液中的生物标志物模式猜测该队列的年龄。研究人员在研究中指出，血液标志物与年龄之间存在线性关系。实际上，年龄预测表明，男性吸烟者的生物学年龄是其年龄的1.5倍，而女性吸烟者的年龄几乎是其实际年龄的两倍。
研究人员在研究中写道：“我们的研究还表明，年龄小于40岁的年轻吸烟者的生物学年龄明显高于其年龄年龄。” “令人惊讶的是，这种影响在最老的受试者中消失了。”
基于深度学习的血液衰老时钟可以充当相对健康的个体的“合理准确的年龄预测”，也可以充当评估生活方式因素对生物衰老影响的精确工具。
此外，它们还可以作为患者吸烟状况的区分者-换句话说，基于深度神经网络的分类器有可能支持甚至取代患者的自我报告，并且可以“提供更好的吸烟率统计评估”。 Kovalchuk及其同事在研究中写道。
研究人员写道：“这项研究中使用的基于深度学习的方法可以扩展到分析吸烟与生化定义的糖尿病和血脂异常以及其他潜在发病率的综合影响。” “类似地，DNN可以用于预测健康轨迹和结果，或评估各种其他环境暴露，饮食因素和遗传风险对健康和衰老的影响程度。”
