研究背景
目前对于衰老量化主要有两种方法。一种是描述法。描述法对脸部衰老特征进行描述，后续由专家进行打分。一种是图像对比法[1]。图像对比法是制定衰老相关的图像标准后，研究人员将受试者与图像标准比对，从而进行判定。
这两种方法都有劣势，描述法应用较难，图像法应用较为容易，但大多数集中在皱纹领域。除了方法上的不足，针对中国人的研究也很少……亚洲人和高加索人在皮肤色斑、PH值、敏感和皱纹等多个方面都有比较大的差异[2.3］。一般来说高加索人在衰老的过程中更容易长皱纹，而亚洲人更容易长色斑。即便在亚洲，不同国家的女性肌肤也存在很大不同。但目前大多数衰老标准都基于欧洲人，而非亚洲人，更别说针对中国人制定的方法。
正是基于此，优时颜召集了297名志愿者，应用Antera3D，进行面部图像采集和调查问卷填写，应用这些数据建立了中国女性衰老的年龄预测模型，发现额头肤色，眼尾纹，脸颊色素不均以及嘴部周边皱纹是中国女性衰老的重要特点。
此研究所形成的方法可以作为未来中国女性衰老的研究方式。
1.材料和方法
1.1方法建立
此实验应用便携式多光源肌肤影像仪器Antera3D进行消费者面部图像采集。在标准建立中，我们釆集人脸共11个部位，收集包括皱纹长度、皱纹深度、黑色素、红色素等信息。完成标准建立后进行志愿者招募，分别给志愿者进行问卷调查以及照片收集。在数据收集后进行数据分析和模型搭建，完成年龄预测。（图1）
1.2志愿者招募
我们在上海共招募了297名健康志愿者。如果志愿者参与了另一个研究，怀孕、哺乳或正在发生肌肤疾病，我们将进行排除。在进行测试前,志愿者会用相同的洁面进行洗脸并静止15分钟。
1.3数据分析
此研究应用R（3.6.0）进行分析。因为数量不足的原因，我们排除了50岁以上的人群，选取50岁以下的进行分析。首先我们用检测指标和年龄进行相关性分析，从而找出高度相关的指标。随后我们用逐步回归法进行模型搭建，构建中国女性的年龄预测模型。
2.结果
2.1衰老量化方法的建立
我们应用仪器内部的算法进行图像的数据化分析，总共获得48项分析参数，覆盖了大多数的衰老特征，包括肤色、色斑、皱纹、下垂等。（图2）
2.2志愿者分布
在297名志愿者中，大多数志愿者年龄在30-39岁（35%）,其次是20-29岁（29.3%）。在身体质量指数（BMI）上，只有11.7%的人是超重，其中没有肥胖人群。有38位受试者已经停经。（表1）
2.3年龄预测模型
研究将左右脸同类型数据进行平均合并，用于年龄预测指标。在逐步回归模型之后一共只剩下9个最重要的参数，包括嘴部周边皱纹（法令纹、嘴角纹），脸部色素不均以及额头肤色。结果提示这些参数是中国人衰老过程中非常重要的指标。应用这些指标进行预测，R2为0.6。
3.讨论
3.1方法便利性
在此研究中我们应用了Antera3D这款仪器,它有非常好的便携性，而且也和一些标准仪器，如VISIA经过对照实验，证明了其有效性[4]。此仪器在其它关于衰老的研究中也已经得到了较好的应用。这款仪器的便携性和准确性能够为其它后续研究使用此方法提供便利。
3.2中国人衰老评估
在本文之前也有一些关于中国人衰老的研究，但这些研究很多使用的是外国人衰老的标准。比如在一个中国人衰老相关基因探寻的研究中使用了SCINEXA™模型[5]，但此模型其实一开始是从根据德国人衰老特点所建立的。我们的模型应用了中国人数据所建立，更加适合中国人衰老评估。
3.3年龄预测模型
在此研究中，我们进行了年龄预测模型的建立，应用不同维度的数值建立起每个中国女性的预测年龄。这样一个数值可以将整体衰老进行描述，从而帮助研究人员或每个女性对自己的衰老程度有直观认知。
4.结论
本研究建立了中国女性衰老量化的新方法，并发现额头肤色，眼尾纹，脸颊色素不均以及嘴部周边皱纹是中国女性衰老的重要特点。
0
