倫敦國王學院的研究人員開發(fā)了一種基于 AI 的“衰老時鐘”，可以通過分析血液代謝物數(shù)據(jù)預測個體的健康狀況和壽命。
衰老時鐘可以幫助發(fā)現(xiàn)健康狀況下降的早期跡象，從而在疾病發(fā)作之前，采取預防策略和干預措施，還可以讓人們主動跟蹤自己的健康狀況，做出更好的生活方式選擇，并采取措施保持更長時間的健康。
研究使用了英國生物樣本庫超過 22.5 萬名參與者的血液標記數(shù)據(jù)，這些參與者在招募時的年齡在 40 至 69 歲之間，訓練和測試了 17 種機器學習算法，發(fā)現(xiàn)非線性機器學習算法，特別是 Cubist 回歸模型，表現(xiàn)最為出色。
科學家在本次研究中引入了“MileAge”代謝組年齡，通過觀測血液新陳代謝過程中產生的小分子（例如食物轉化為能量時產生的小分子），來評估生物年齡。而 MileAge delta 是指 MileAge 與實際年齡的差值，用于指示生物衰老處于加速還是減速狀態(tài)。
研究發(fā)現(xiàn)，MileAge 大于實際年齡（即生物年齡加速）的個體，通常身體更虛弱，更容易患慢性疾病，自評健康狀況較差，且死亡風險更高。他們也擁有更短的端粒（細胞衰老的標志），與動脈粥樣硬化等老年疾病相關。
IoPPN 國王獎研究員、該研究的主要作者朱利安 穆茨 (Julian Mutz) 博士表示：
代謝組學衰老時鐘有可能幫助我們了解哪些人在晚年可能面臨更大的健康問題風險。
與無法改變的實際年齡不同，我們的生物年齡是可以改變的。
這些時鐘為生物醫(yī)學和健康研究提供了生物年齡的替代衡量標準，這可以幫助塑造個人的生活方式選擇，并為衛(wèi)生服務機構實施的預防策略提供信息。我們的研究評估了用于開發(fā)老化時鐘的各種機器學習方法，表明非線性算法在捕獲老化信號方面表現(xiàn)最佳。 
