陳俐君

你知道自己的生物學(xué)年齡和各個(gè)器官的專屬年齡嗎？近日，清華大學(xué)萬(wàn)科公共衛(wèi)生與健康學(xué)院底騫副教授及其團(tuán)隊(duì)在國(guó)際期刊《自然·醫(yī)學(xué)》上發(fā)表了一項(xiàng)令人矚目的研究成果，提出了一種基于大語(yǔ)言模型（LLM）的衰老評(píng)估框架。

衰老是導(dǎo)致許多慢性疾病和死亡的主要風(fēng)險(xiǎn)因素之一，如能準(zhǔn)確且便捷地評(píng)估人體的衰老程度，將有助于提前發(fā)現(xiàn)健康隱患并預(yù)防衰老相關(guān)疾病。然而，一個(gè)人的實(shí)際年齡往往無(wú)法充分反應(yīng)人體的生物學(xué)年齡和衰老情況。衰老是一個(gè)復(fù)雜且多維度的過(guò)程，在身體、器官、分子等層面表現(xiàn)出顯著的異質(zhì)性，受到環(huán)境和遺傳等多種因素的影響。

目前常用的衰老評(píng)估工具，如衰弱指數(shù)和衰老時(shí)鐘，存在諸多局限。例如，監(jiān)督式模型依賴于將日歷年齡作為標(biāo)簽，可能削弱對(duì)實(shí)際生物衰老信息的捕捉能力。這些工具與不良健康結(jié)局的關(guān)聯(lián)性較弱，往往只能捕捉衰老的特定方面。此外，它們的泛化性不足，難以在不同人群中廣泛應(yīng)用。還有一些工具，如表觀遺傳時(shí)鐘，依賴于甲基化檢測(cè)，成本高昂，不適用于大規(guī)模篩查。

本次清華大學(xué)研究團(tuán)隊(duì)提出的框架僅通過(guò)常規(guī)體檢報(bào)告，就能精準(zhǔn)預(yù)測(cè)一個(gè)人的整體生物年齡及器官特異性衰老程度，為健康管理帶來(lái)了新的突破。

精準(zhǔn)評(píng)估，AI成“健康偵探”

研究團(tuán)隊(duì)將參與者的常規(guī)健康指標(biāo)轉(zhuǎn)化為文本報(bào)告，輸入到8個(gè)大語(yǔ)言模型中。這些模型會(huì)綜合分析上百項(xiàng)指標(biāo)，評(píng)估個(gè)體的整體生物學(xué)年齡以及心臟、肝臟、肺、腎臟、代謝系統(tǒng)和骨骼肌肉六大器官的專屬年齡。這些大語(yǔ)言模型并非依賴預(yù)設(shè)公式，而是基于預(yù)訓(xùn)練的醫(yī)學(xué)知識(shí)庫(kù)，類(lèi)似于“閱讀”了海量醫(yī)學(xué)文獻(xiàn)后，結(jié)合個(gè)人健康細(xì)節(jié)進(jìn)行智能推演。

該研究整合了全球六大數(shù)據(jù)庫(kù)，對(duì)超過(guò)1000萬(wàn)人的數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果顯示，在全因死亡率方面，大語(yǔ)言模型預(yù)測(cè)的整體年齡的一致性指數(shù)達(dá)75.7%，顯著優(yōu)于端粒長(zhǎng)度、衰弱指數(shù)、8種表觀遺傳年齡以及4種機(jī)器學(xué)習(xí)模型的預(yù)測(cè)結(jié)果；在預(yù)測(cè)冠心病風(fēng)險(xiǎn)方面，其準(zhǔn)確率為70.9%，比其他機(jī)器學(xué)習(xí)模型高出8%；在預(yù)測(cè)肝硬化風(fēng)險(xiǎn)方面，其準(zhǔn)確率達(dá)到了81.2%，也表現(xiàn)出更優(yōu)的預(yù)測(cè)性能。

從預(yù)警到干預(yù)的全鏈條應(yīng)用

這項(xiàng)研究的臨床價(jià)值不僅在于精準(zhǔn)評(píng)估衰老，更在于其從疾病預(yù)警到干預(yù)的全鏈條應(yīng)用能力。首先，研究對(duì)46萬(wàn)人進(jìn)行了追蹤，發(fā)現(xiàn)大語(yǔ)言模型預(yù)測(cè)的年齡差（預(yù)測(cè)年齡與實(shí)際年齡的差值）每增加1歲，全因死亡風(fēng)險(xiǎn)上升5.5%。心血管年齡差每增大1單位，冠心病的風(fēng)險(xiǎn)比（HR）為1.045，這為疾病預(yù)警提供了有力支持。

同時(shí)，研究還發(fā)現(xiàn)了新型“衰老加速器”，識(shí)別出多個(gè)與加速衰老相關(guān)的新型蛋白質(zhì)組生物標(biāo)志物，鎖定了322個(gè)關(guān)鍵蛋白，其中56.7%為未被報(bào)道的新蛋白，55%與死亡率顯著相關(guān)。例如，攜帶特定蛋白組合IGFBP4的人群，死亡風(fēng)險(xiǎn)比普通人高出68%。這些發(fā)現(xiàn)為疾病的早期干預(yù)提供了新的靶點(diǎn)。

此外，大語(yǔ)言模型還具備動(dòng)態(tài)評(píng)估能力。通過(guò)整合歷史健康數(shù)據(jù)，可以有效提升預(yù)測(cè)的準(zhǔn)確率。輸入連續(xù)3年的體檢數(shù)據(jù)，大語(yǔ)言模型能夠生成個(gè)性化的衰老速率曲線，其準(zhǔn)確率比單次體檢提升了3倍。

基于這些成果，研究團(tuán)隊(duì)進(jìn)一步開(kāi)發(fā)了針對(duì)270種疾病的患病風(fēng)險(xiǎn)預(yù)測(cè)模型，為大規(guī)模人群的衰老評(píng)估和健康管理提供了一種精準(zhǔn)且低成本的新方法。