核心提示：据英国《自然·通讯》杂志20日发表的一篇健康科学论文，欧洲科学家报告，他们通过对逾4万名个体的分析，发现了14种与全因死亡率相关的血液生物标记物。相较于目前已有的方法，这项最新发现或有助于提高5年及10年死亡风险的预测准确性。有鉴于可用的临床数据量，预测病人最后一年的死亡率一般来说是可行的。过去的研究分析了血液代谢物特征和其他生理参数，以鉴定可用于预测死亡风险的生物标记物。但是，在预测更长期（5年至10年）的死亡风险的问题上，研究人员未
核心提示:十四种与死亡相关的生物标记发现-代谢物,预测,死亡率,风险,标记,普朗克,死亡,生物,欧洲,研究,鉴定,模型,团队,分析,相关,代谢,酵解,科学家,临床,血液,马克思,个体据英国《自然·通讯》杂志20日发表的一篇健康科学论文，欧洲科学家报告，他们通过对逾4万名个体的分析，发现了14种与全因死亡率相关的血液生物标记物。相较于目前已有的方法，这项最新发现或有助于提高5年及10年死亡风险的预测准确性。
有鉴于可用的临床数据量，预测病人最后一年的死亡率一般来说是可行的。过去的研究分析了血液代谢物特征和其他生理参数，以鉴定可用于预测死亡风险的生物标记物。但是，在预测更长期（5年至10年）的死亡风险的问题上，研究人员未就预测指标达成一致意见。
德国马克思·普朗克老化生物学研究所科学家乔利斯·迪伦及其同事，此次对来自12个队列、总计44168名个体进行了代谢组学分析，这些被试全部为欧洲血统，年龄在18岁—109岁之间。
研究团队最后鉴定出了14种与全因死亡率相关的代谢物，已知这些生物标记物会参与各种过程，包括脂蛋白和脂肪酸代谢、糖酵解以及炎症。之后，作者利用鉴定出来的代谢物构建了一个用以预测5年及10年死亡风险的模型，该模型对于所有年龄段的预测准确性，都高于基于传统风险因素的模型。
研究团队认为，基于上述14种生物标记物和性别所得的风险分数可用于指导临床治疗，不过现阶段，仍需要开展更进一步的研究。
在2018年，谷歌团队也曾将获取的460亿电子病历信息数据，交给人工智能（AI）进行深度学习，从而让AI可以准确预测病患的死亡率。（记者张梦然）
(责编：李轶群、杨迪)
