时间标签：数据日期 2026-11-02 · 生成时间 2026-11-04 13:30（Asia/Shanghai）｜ 情报发生日期 2026-11-02
**老龄化人群的可负担大规模筛查是全球性刚需**。Xu、Peng、Li 等人在 Nature Biomedical Engineering 发表的这项工作，用低成本、无创的视网膜照片配合大规模基础模型，训练出深度学习生物标志物 **RetiME（Retinal Mortality Equivalent，视网膜死亡当量）**，把视网膜特征直接映射为个体死亡风险。
模型在欧洲队列训练，并在**东南亚、欧亚、北美三个独立外部队列**完成外部验证：与全因死亡及死因别死亡稳健相关，还能预测系统性及眼部多类疾病的发病。更关键的一步是，RetiME 不止给静态风险值——它通过重建**个体化寿命轨迹**对死亡风险「重新定时」，轨迹与实际死亡结局（如死亡年龄）对应；对轨迹聚类得到**癌症主导型、心血管代谢型、神经退行型**等不同死亡模式，对应不同的衰老路径。可解释性分析显示其捕获了多元生物学与视网膜特征，全基因组分析还找到了相关遗传位点。
**对长寿研究者的价值**：为「影像组学生物年龄/死亡风险标志物」提供了继 ECG、胸片之后的新模态与轨迹建模范式；局限性是观察性关联，轨迹模型对干预决策的前瞻效度仍待验证。
来源：DOI 10.1038/s41551-026-01822-4 · Nature Biomedical Engineering（PMID 42972028）
【来源自检】共 3 段来源，带标识 3 段，无标识 0 段（DOI 10.1038/s41551-026-01822-4 · PMID 42972028）