图 人群红外人脸随年龄的变化趋势

　　在国家自然科学基金“免疫力数字解码”重大研究计划项目（批准号：92374207）等资助下，北京大学韩敬东教授团队基于增龄人群队列构建人脸红外图像衰老时钟，为衰老和代谢性疾病的预测提供全新视角。研究成果以“面部热成像分析揭示衰老和代谢性疾病的定量特征（Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases）”为题，于2024年7月2日发表在《细胞代谢》（Cell Metabolism）杂志，论文链接：https://doi.org/10.1016/j.cmet.2024.05.012。

　　衰老是众多人类疾病的主要风险因素，开发有效的衰老时钟对于监测衰老进程和相关疾病具有重要意义。研究团队通过ThermoFace软件成功获取了不同年龄段人群的面部热成像图像，利用人工智能等机器学习模型训练出面部红外图像衰老时钟及年龄相关代谢性疾病的预测模型。研究发现眼睛等面部器官温度信息与血液代谢生化指标、代谢性疾病之间有强关联性；有益的生活习惯会促进衰老速率较低的面部温度特征表达；患有代谢性疾病的人群，其面部温度特征显示更快的衰老速率；面部温度的特征性变化可能涉及DNA损伤修复和抵抗感染等关键生物过程导致的机体炎症反应激活。这些结果说明面部红外图像采集作为一种非侵入式的检测手段，有望成为监测个体衰老与健康状况的重要工具。