KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-22
Schätzung des chronologischen Alters anhand der durch Flackerlicht induzierten Gefäßreaktivität der Netzhaut: ein Machine-Learning-Ansatz
Originaltitel: Estimating chronological age from flicker-induced retinal vascular reactivity: a machine learning approach
Die Forschenden testeten Modelle des maschinellen Lernens und des Deep Learnings, darunter einen Extra-Trees-Regressor, um das chronologische Alter nichtinvasiv aus Veränderungen des Durchmessers von Netzhautarterien und -venen über drei Flackerlichtzyklen hinweg zu schätzen. Das leistungsstärkste Modell erreichte einen mittleren absoluten Fehler von 9.3 und einen mittleren absoluten prozentualen Fehler von 17.7%. Die LIME-Analyse identifizierte zentrale Merkmale, die die Altersvorhersagen beeinflussen.