双重创新突破！我院韩敬东团队报道了首个基于红外人脸图像的衰老时钟，同时开发AI人脸模型革新脑卒中诊断

近日，北京大学前沿交叉学科研究院、北京大学成都前沿交叉生物技术研究院、北大-清华生命科学联合中心韩敬东团队在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；在Cell Metabolism上发表了题为“Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases”的研究论文，报道了首个基于红外人脸图像的衰老时钟，为衰老和代谢性疾病的预测提供了全新的视角。

研究成果1

韩敬东团队与合作者构建基于人脸的人工智能急性缺血性脑卒中诊断模型快速经济诊断脑梗

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。韩敬东团队自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。

鉴于脑梗作为典型的衰老相关性疾病，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，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。

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。

图1.随着中风风险的提高，面部中央区域的颜色趋于暗沉

成都研究院韩敬东实验室研究科学家王一洋，上海交通大学瑞金医院急诊科叶云燕、施晟懿为共同第一作者。我院韩敬东教授，上海交通大学瑞金医院叶静教授为共同通讯作者。该研究获得国家自然科学基金委员会、国家科技部等项目的资助和北大-清华生命科学联合中心的支持。

全文链接：

htps://onlinelibrary.wiley.com/doi/10.1111/acel.14196

研究成果2

韩敬东团队与合作者报道首个基于红外人脸图像的衰老时钟

在探讨全球公共卫生挑战的背景下，特别是面对日益严峻的人口老龄化趋势及其伴随的代谢性疾病如糖尿病、脂肪肝等，科学界正致力于寻找创新的解决方案以优化疾病预测与管理策略。传统检测方法虽有其价值，但复杂性与潜在的不适感促使研究者们探索更为便捷、非侵入性的评估途径。

体温，这一日常中易被忽略的生理指标，实则深刻影响着细胞功能与生物体整体状态，其波动与新陈代谢活动紧密相连。在生物界中，体温的微妙变化往往预示着生物体内部状态的调整，如恒温动物中低体温与寿命延长的关联，以及低温环境对无脊椎动物衰老过程的减缓作用。人类亦不例外，随着年龄增长，核心体温的自然下降成为一种普遍现象，而高体温则可能是代谢加速或身心压力的信号。

特别地，人体红外温度图像技术已在医学领域初露锋芒，特别是在心血管疾病筛查方面展现出独特价值。

然而，当前对面部温度的分析多停留于情绪状态与整体面部温度的宏观层面，缺乏深度与精度地定量描述。在此背景下，韩敬东团队自2015年起，独辟蹊径，将三维人脸特征与衰老研究相结合，开创性地揭示了人脸三维形态作为衰老标志物的潜力。这一发现激发了团队进一步探索面部温度特征中隐藏的生物状态秘密，旨在通过温度图谱洞察衰老速率与健康状况的新视角。

2024年7月2日，韩敬东团队及合作者在Cell Metabolism期刊上发表了题为“Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases”的研究文章。该论文报道了首个基于红外人脸图像的衰老时钟，即“ThermoFace Aging Clock”。

图2.红外人脸图像衰老时钟构建以及下游分析流程

研究团队针对年龄在20至90岁之间的2,811健康人（非急性病患者）进行了广泛的人群基础队列研究。通过收集这些志愿者的面部热成像图像，团队开发了提取人脸红外面部信息的软件ThermoFace，成功获取了个体的面部温度特征，并利用人工智能相关的机器学习模型训练得到面部红外图像衰老时钟以及年龄相关代谢性疾病预测模型。通过面部红外构建的衰老时钟的人群年龄平均绝对误差在5岁左右。在对比人脸三维信息时，研究团队发现人脸的面部温度信息与血液代谢生化指标、代谢性疾病之间有更强的关联。

图3.人群红外人脸随年龄的变化趋势(Figure 2A)

本项研究不仅为衰老与代谢性疾病的预测开辟了新的道路，还通过面部红外成像这一非侵入性检测技术，展示了其在个体健康监测中的巨大潜力。未来，随着技术的不断进步与应用的深入推广，面部红外图像有望成为评估衰老进程、预警代谢性疾病及指导健康干预的重要工具。

北大-清华生命科学联合中心2018级博士研究生余正清、上海交通大学附属第一人民医院周永研究员、北大定量生物学中心博士研究生毛科航和中国医学科学院广安门医院检验科庞博医生为该论文的共同第一作者，我院韩敬东教授为通讯作者。该研究获得国家自然科学基金委员会、国家科技部等项目的资助和北大-清华生命科学联合中心的支持。

全文链接：

https://doi.org/10.1016/j.cmet.2024.05.012

韩敬东

北京大学成都前沿交叉生物技术研究院PI

北京大学前沿交叉学科研究院研究员/教授

北大-清华生命科学联合中心PI

实验室主页：

http://cqb.pku.edu.cn/hanlab

研究领域：

1）发育衰老的计算与系统生物学

2）人工智能测量衰老及干预靶标发现

3）数据集成和网络分析计算算法开发

研究兴趣：

老年人口数量多、老化速度快的严峻未来，使得日益加深的老龄化成了国家和社会发展之路上的一大难题。我们通过计算生物学、人工智能与系统生物学相结合开发了从3D人脸图像、红外人脸图像到人类单细胞外周血等多种衰老时钟及人类单细胞老化鉴别算法，并基于这些模型算法发现了干预人类衰老的代谢小分子、lncRNAs（长非编码RNA）等，为解决老龄化问题提供了新的切入点。我们将基于衰老的各种量化模型，结合人工智能计算模拟及细胞动物实验验证发现更多有协同作用的分子调控回路。

代表性研究成果：

1. Zhengqing Yu#, Yong Zhou#, Kehang Mao#, Bo Pang#, Kai Wang, Tang Jin, Haonan Zheng, Haotian Zhai, Yiyang Wang, Xiaohan Xu, Hongxiao Liu, Yi Wang, Jing-Dong J. Han*, Thermal Face Image Analyses Reveal Quantitative Hallmarks of Aging and Diseases, Cell Metab. 2024 AOP.

2. 2.Yiyang Wang, Yunyan Ye, Shengyi Shi, Kehang Mao, Haonan Zheng, Xuguang Chen, Hanting Yan, Yiming Lu, Yong Zhou, Weimin Ye, Jing Ye, Jing-Dong J. Han*. Prediagnosis recognition of acute ischemic stroke by artificial intelligence from facial images. Aging Cell. 2024 Jun 6:e14196. doi: 10.1111/acel.14196. AOP.

3.Wanyu Tao, Zhengqing Yu, Jing-Dong J. Han*. Single-cell senescence identification reveals senescence heterogeneity, trajectory, and modulators. Cell Metabolism, Apr 2024.

4.Hongming Zhu^, Jiawei Chen^, Kangping Liu^, Lei Gao, Haiyan Wu, Liangliang Ma,Jieru Zhou, Zhongmin Liu*, Jing-Dong J. Han*. Human PBMC scRNA-seq–based aging clocks reveal ribosome to inflammation balance as a single-cell aging hallmark and super longevity. Science Advances, Jun 2023.

5.Jiawei Chen^, Hao Xu^, Wanyu Tao, Zhaoxiong Chen, Yuxuan Zhao and Jing-Dong J. Han*. Transformer for one stop interpretable cell type annotation. Nature Communications, Jan 2023.

6.Xiaoli Zhang^, Quanlong Jiang^, Jiyang Li^, Shiqiang Zhang^, Yaqiang Cao, Xian Xia, Donghong Cai, Jiaqi Tan, Jiekai Chen and Jing-Dong J. Han*. KCNQ1OT1 promotes genome-wide transposon repression by guiding RNA–DNA triplexes and HP1 binding. Nature Cell Biology, Oct 2022.

7.Dawei Shi^, Xian Xia^, Aoyuan Cui^, Zhongxiang Xiong, Yizhen Yan, Jing Luo, Guoyu Chen, Yingying Zeng, Donghong Cai, Lei Hou, Joseph McDermott, Yu Li, Hong Zhang and Jing-Dong J. Han*. The precursor of PI(3,4,5)P3 alleviates aging by activating daf-18(Pten) and independent of daf-16. Nature Communications Sep, 2020.

8.Xian Xia^, Xingwei Chen^, Gang Wu, Fang Li, Yiyang Wang, Yang Chen, Mingxu Chen, Xinyu Wang, Weiyang Chen, Bo Xian, Weizhong Chen, Yaqiang Cao, Chi Xu, Wenxuan Gong, Guoyu Chen, Donghong Cai, Wenxin Wei, Yizhen Yan, Kangping Liu, Nan Qiao, Xiaohui Zhao, Jin Jia, Wei Wang, Brian K. Kennedy, Kang Zhang, Carlo V. Cannistraci, Yong Zhou* and Jing-Dong J. Han*. Three-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle. Nature Metabolism Sep, 2020.

9.Lei Hou^, Dan Wang^, Di Chen^, Yi Liu, Yue Zhang, Hao Cheng, Chi Xu, Na Sun, Joseph McDermott, William B. Mair, Jing-Dong J. Han*. A Systems Approach to Reverse Engineer Lifespan Extension by Dietary Restriction. Cell Metabolism, March 8, 2016.

10.Weiyang Chen,Wei Qian, Gang Wu, Weizhong Chen, Bo Xian, Xingwei Chen, Yaqiang Cao, Christopher D Green, Fanghong Zhao, Kun Tang and Jing-Dong J Han*. Three-dimensional human facial morphologies as robust aging markers. Cell Research. April, 2015.