研究者がAIに目の画像から人の寿命を推定させる

網膜の生物学的年齢（目の奥にある光を感じる神経組織の層）と、人の実年齢（暦年齢）との差は、その人の死亡リスクと関連している。これは英国眼科学会誌に掲載された研究で明らかにされた。

研究者たちの目標は、眼底画像から年齢（網膜年齢）を予測する深層学習モデルを開発し、網膜年齢差（モデルが予測した網膜年齢から暦年齢を引いた値）と死亡リスクの関係を調べることだった。 

研究者たちは、この「網膜年齢差」をスクリーニングの指標として活用できる可能性があると考えている。網膜の微小血管網（微小循環系）が、循環器系と脳の全身状態を示す信頼できる指標となり得ることを示すデータが増えつつある。

疾病や死亡のリスクは年齢とともに高まるが、同じ年齢の人の間でもそのリスクは大きく異なる。そのため「生物学的老化」は個人ごとに異なり、現在および将来の健康をより良く示す指標になり得る、と研究者は考えている。

生物学的老化を判定するため、暦年齢と一致しない老化を捉える組織、細胞、化学、画像による指標が複数開発されてきた。しかし、これらの方法には倫理やプライバシーの問題があるうえ、侵襲的で、高価で、手間がかかることも多い。

そこで研究者たちは深層学習を用いて、眼底画像、つまり目の内側の奥の表面の画像から網膜年齢を正確に予測できるかを検証した。さらに、その予測年齢と実年齢との差である「網膜年齢差」を調べ、それが死亡リスクの上昇と関連するかを確かめようとした。

深層学習は、人が特定の知識を身につける過程を模倣する機械学習および人工知能（AI）の一種である。ただし、直線的に動作する従来の機械学習アルゴリズムとは異なり、深層学習のアルゴリズムは複雑さを段階的に高める階層構造をとる。

研究者たちは、英国バイオバンクから得られた40歳から69歳の4万6969人の成人による8万169枚の眼底画像を使用した。英国バイオバンクは、英国の中高年層50万人以上が参加した大規模な集団研究である。

初期の健康診断で比較的健康と判定された1万1052人の参加者の右眼の眼底画像約1万9200枚を、深層学習モデルが網膜年齢を予測する精度の検証に用いた。

予測された網膜年齢と実年齢の間には強い相関があり、全体の精度は3.5歳以内だった。その後、残りの3万5917人の参加者について、平均11年の追跡期間中の網膜年齢差を評価した。

この期間に1871人の参加者（5%）が死亡した。内訳は、心血管疾患によるものが321人（17%）、がんによるものが1018人（54.5%）、認知症を含むその他の原因によるものが532人（28.5%）だった。

網膜が実年齢より老けて見える「急速に老化する人」の割合は、網膜年齢差が3歳、5歳、10歳を超える場合でそれぞれ51%、28%、4.5%だった。網膜年齢差が年単位で大きいほど、心血管疾患とがん以外の原因による死亡リスクが49～67%高いことと有意に関連していた。

高血圧、体重、生活習慣、民族性などの影響を及ぼしうる要因を考慮した後、網膜年齢差が1年増えるごとに、あらゆる原因による死亡リスクは2%、心血管疾患とがん以外の特定の原因による死亡リスクは3%上昇することがわかった。左眼に同じ手法を適用しても、同様の結果が得られた。

本研究は観察研究であるため、因果関係を特定することはできない。また研究者たちは、網膜画像が特定の一時点で撮影されたものであること、そして参加者が英国全体の人口を必ずしも代表していない可能性があることも認めている。

それでも研究者たちは次のように述べている。「今回の新たな結果から、網膜年齢差は死亡リスクの上昇を独立して予測する因子であり、特に心血管疾患やがん以外による死亡に関して顕著であることが明らかになった。これらの結果は、網膜年齢が臨床的に意味のある老化のバイオマーカーとなり得ることを示している。」

さらに研究者たちはこう付け加えた。「網膜は、死亡リスクの上昇と関連する全身の血管性および神経性疾患の基礎的な病態プロセスを評価するための、独自かつ容易に利用できる『窓』を提供する。この仮説は、網膜画像が心血管疾患の危険因子、慢性腎臓病、全身性バイオマーカーに関する情報を含むことを示唆した先行研究によっても裏付けられている。」

今回の新たな結果は先行研究と合わせて、「網膜は老化の過程で重要な役割を果たし、死亡リスクを高める老化による蓄積的な損傷に敏感である」という仮説に重みを与えるものだ。