西敏斯特大学最佳健康研究中心（ReCOH）的研究团队近日开发出一种人工智能方法，通过分析英国生物银行（UK Biobank）数据预测38种年龄相关疾病的早期发病风险。该成果发表于《GeroScience》期刊（2025年6月27日），显示该模型可提前识别类风湿性关节炎、痴呆症等疾病的早期症状，为医疗干预提供窗口期。
研究团队分析了6万余名英国生物银行志愿者的血液检测结果、体格测量数据、磁共振成像（MRI）及病史等多维数据，构建了基于人工智能的风险预测模型。该模型突破传统风险预测仅基于体检时点数据的局限，通过追溯从出生开始的健康轨迹，可识别出早于平均年龄发病的潜在风险人群。
项目负责人Mica Ji博士指出："生物医学界长期认为，疾病发病年龄与是否确诊具有同等重要的健康提示价值。我们的研究首次证实了特定疾病的早发风险可作为多种共患病的早期预警信号。英国生物银行的MRI影像数据对于训练神经网络模型至关重要，其海量数据规模使复杂AI模型的应用成为可能。"
在47种健康状况的交叉分析中，研究发现三大疾病群组存在显著关联性：心血管代谢类疾病（如糖尿病与高血压）、消化-神经精神类疾病（如肠易激综合征与抑郁症），以及血管-神经精神类疾病（如中风与阿尔茨海默症）。这种共病模式的发现为跨系统干预提供了理论依据。
西敏斯特大学代谢成像学教授Louise Thomas强调："这项研究标志着对年龄相关疾病发病机制的突破性认知。通过精确影像技术捕捉早期生理变化，我们得以在传统诊断标准之前识别高风险人群。这种预测能力将推动个性化预防策略的发展，最终改善长期健康结局。"
值得关注的是，英国生物银行近期宣布其全身扫描项目已覆盖超10万参与者，通过高分辨率成像技术提升疾病早期检测能力。这与AI模型形成互补，共同构建起"影像大数据+人工智能"的疾病预测新范式。
【全文结束】
