逆转生理年龄？AI新算法解密血液奥秘

据最新报道，伦敦国王学院的研究团队成功研发出一款基于人工智能技术的“衰老时钟”，该技术能够通过分析个体血液中的代谢物数据，预测其健康状况和预期寿命。这项创新成果有望在疾病发作前发现健康问题早期迹象，为人们提供预防策略和干预措施，助力人们更好地管理自己的健康，延长健康寿命。

该研究利用了英国生物样本库中超过22.5万名参与者的血液标记数据，这些参与者在招募时的年龄介于40至69岁之间。研究人员对17种机器学习算法进行了训练和测试，最终发现非线性机器学习算法，尤其是Cubist回归模型，在预测衰老方面表现最为出色。

在研究中，科学家们引入了“MileAge”代谢组年龄这一概念，通过观察血液新陈代谢过程中产生的小分子（如食物转化为能量时产生的小分子）来评估生物年龄。MileAge delta则是指MileAge与实际年龄之间的差异，用于判断生物衰老是否处于加速或减速状态。

研究发现，MileAge大于实际年龄的个体，通常身体状况较弱，更容易患上慢性疾病，自评健康状况较差，且死亡风险更高。这些个体的端粒长度也更短，这是细胞衰老的一个标志，与动脉粥样硬化等老年疾病密切相关。

IoPPN国王奖研究员、该研究的主要作者朱利安·穆茨（Julian Mutz）博士表示：“代谢组学衰老时钟有助于我们了解哪些人在晚年可能面临更大的健康风险。与无法改变的实际年龄不同，我们的生物年龄是可以改变的。这些时钟为生物医学和健康研究提供了生物年龄的替代衡量标准，有助于塑造个人的生活方式选择，并为卫生服务机构实施的预防策略提供信息。”

此次研究评估了用于开发衰老时钟的各种机器学习方法，结果表明非线性算法在捕捉衰老信号方面具有显著优势。这一发现为生物医学和健康领域带来了新的启示，有望为人们提供更加精准的健康管理方案。