◆ ◆ ◆ ◆

衰老与多种疾病，尤其是肿瘤及心脑血管疾病之间，存在着不容忽视的紧密联系。心脑血管疾病以其突发性强、致死致残率高的特点，对公共健康构成了重大威胁。其中，急性缺血性脑卒中（脑梗）若未能得到及时有效的治疗，往往会导致严重的后遗症，如语言功能障碍、偏瘫等，严重影响患者的生活质量。

当前，脑梗的临床诊断主要依赖于体征查询及MRI/CT等影像学手段作为金标准。然而，这些方法在实际应用中面临着诸多挑战，包括医疗资源有限、检查等候时间长以及费用较高等问题，这在一定程度上限制了脑梗的快速诊断与及时救治。

鉴于人脸作为人类最为独特且复杂的生物特征之一，其与大脑发育及功能紧密相关，且共享起源自颅神经嵴细胞。过往研究表明，人脸表型不仅能揭示多种遗传性疾病的线索，还可能是反映衰老状态及健康指标的有效标志。韩敬东课题组自2015年起，便深入探索了人脸与衰老之间的关系，成功验证了人脸作为衰老标志物的高效性与准确性，能够精准反映个体的衰老速率及背后复杂的转录组基因调控机制[1,2]。

鉴于脑梗作为典型的衰老相关性疾病，韩敬东团队携手合作者，开创性地提出了利用人脸图像作为辅助手段，探索其在脑梗快速诊断中的潜在价值。这一创新思路有望为脑梗的早期识别与快速干预开辟新的路径，缓解当前诊断资源紧张的现状，提高脑梗患者的救治效率与预后质量。

近日，北京大学、北大-清华生命科学联合中心韩敬东团队与上海交通大学叶静团队在Aging Cell上发表了题为：Prediagnosis recognition of acute ischemic stroke by artificial intelligence from facial images 的研究论文，证明了人脸图片可以快速准确地识别急性脑卒中病人，并且模型计算的脑梗概率可以帮助鉴别多种新型临床标志物。

研究人员在上海交通大学瑞金医院急诊科精心收集了急性脑卒中患者与非脑卒中对照组的数据，运用深度卷积神经网络框架，成功构建了一个高效的诊断模型。该模型在严格的10折交叉验证及独立测试集中，分别取得了91%和82%的AUC值，显著展示了其区分脑梗患者与对照组的强大能力。通过综合运用统计检验与Grad-CAM算法，研究团队深入剖析了模型的工作原理，发现脑梗病人在图像蓝色通道上呈现出显著的信号富集现象，且随着脑梗风险的上升，患者面部中央区域的颜色趋于暗沉，这一发现为脑梗的视觉识别提供了新视角。

图1.随着中风风险的提高，面部中央区域的颜色趋于暗沉

模型计算的脑梗概率同时可以鉴别新型的血常规临床标志物。其中包括典型的凝血指标FDP，以及免疫指标中性粒细胞与白细胞数量，代谢指标血糖和尿液管型。特别值得注意的是，在50岁以上的中老年人群中，模型计算的脑梗概率与年龄及衰老速率呈显著正相关，为评估中老年人群脑梗风险提供了有力工具。同时，在MRI/CT双阳性组和CT阳性组中，模型的诊断准确率均达到或接近金标准的80%，证明了其在临床实践中的可靠性和实用性。此外。该模型还具备识别健康至脑梗过渡阶段人群的能力，对于部分被模型初步判定为脑梗但临床尚未确诊的“假阳性”志愿者，其血常规指标已显示出异常，如FDP和中性粒细胞水平升高，且在后续随访中，这部分人群的实际脑梗发生率显著高于一般人群，预示了模型在脑梗预警方面的巨大价值。

综上所述，本研究开创性地融合了人脸图像识别与深度学习技术，构建了一个高效、便捷的脑梗诊断模型，不仅提高了脑梗诊断的准确性和效率，还为脑梗的早期预警和干预提供了新的思路，展现出广阔的临床应用前景。