或促进抗衰老研究发展，科学家提出整合AI交融策略是健康长寿关键

自古以来，衰老是人类必经的自然过程，然而随着全球老龄化问题日益严峻，抗衰老已经不仅是生物学问题，而是涉及多个领域的系统性挑战。这不仅需要科学家、临床医生和企业多方的共同努力，还需要政策支持和社会公众的理解与参与。

近期，来自南方科技大学、美国哈佛医学院、AI 制药公司英矽智能和丹麦哥本哈根大学等 120 余位衰老领域工作者（包括科学家、临床医生、企业家和行业投资机构）于Aging联合发表《长寿生物技术：连接人工智能、生物标志物、增龄科学和临床应用以实现健康长寿》（Longevity biotechnology：bridging AI, biomarkers, geroscience and clinical applications for healthy longevity）的综述论文 [1]。

联合团队提出，构建一个涵盖基础研究、临床应用、社会学和经济学的完整抗衰老生态圈，需要整合多学科的力量，通过跨学科的合作和创新来实现健康老龄化的目标。

同时，他们还重点剖析了近年持续火爆的 AI 在抗衰老上的应用，囊括其对于衰老生物标志物发现、抗衰药物研发及个性化长寿医学中的赋能作用。文中提到，整合 AI、生物标志物和衰老时钟、增龄科学、长寿医学是促进人类健康寿命延长的关键策略。

南方科技大学前沿生物技术研究院研究助理教授吕宇轩是第一作者兼通讯作者，滨州医学院付强教授、美国杜克大学多米妮卡·威尔佐克（Dominika Wilczok）、美国哈佛医学院应可钧博士为共同一作，AI 制药公司英矽智能董事会主席兼 CEO 亚历克斯·扎沃伦科夫博士（Alex Zhavoronkov）、哥本哈根大学莫滕·谢比耶克努森（Morten Scheibye-Knudsen）教授和丹妮拉·巴库拉（Daniela Bakula）助理教授担任共同通讯作者。

AI 如何加速抗衰老研究？

AI 在处理复杂的生物数据方面具有独特优势。吕宇轩吕宇举例说道：“在进行聚类分析以及一些简单的因果推断时，AI 能够以比人类更快的速度从海量数据中筛选出潜在的、具有生物学意义的衰老标志物。”

然而，目前 AI 在抗衰老领域的应用也面临一些挑战。其有效性依赖于海量真实可靠的数据作为基础，来进行分析和推断。因此，AI 与衰老标志物以及多组学数据之间是相辅相成的关系。

一方面，AI 能够帮助人们解读多组学数据；另一方面，丰富的多组学数据又能不断优化 AI 算法，使其更加成熟和精准。这种相互促进的关系对于推动抗衰老研究和临床应用具有重要意义。

衰老时钟：精准测量生物年龄的关键

衰老时钟是一种比传统生理指标（如血糖、心率等）更复杂且更贴近生物底层的综合技术。它通过分析表观基因组、转录组、代谢组以及菌群等组学数据的变化特征，来综合评估个体的生物学年龄，并与实际年龄（日历年龄）进行对比，从而比传统指标更精准地反映个体的衰老程度。

这种技术为衰老研究和干预提供了一个重要的“标尺”，帮助量化和监测个体衰老过程。然而，当前的衰老时钟技术仍存在一些局限性。

首先，单一组学数据（如仅分析表观基因组或转录组）难以全面反映个体的衰老状态和生物学年龄，因为它们存在一定的偏好性。例如，从血液中提取的样本可能只能反映血液炎症的变化，而不能准确反映大脑或其他器官的真实衰老状态。

因此，越来越多的研究开始结合多组学整合的方法，将表观基因组、转录组、蛋白质组、代谢组和菌群等数据，以更全面地评估个体衰老。相关研究发现，转录组和蛋白质组之间存在显著差异，只有从多个角度综合分析，才能更准确地应用于衰老检测。

此外，尽管近年来衰老时钟技术发展迅速，但其在临床应用方面仍面临挑战。目前，大多数衰老时钟的研究和验证都在动物模型上进行，与血糖、血脂等传统的风险因素相比，尚未充分证明其在人类中的有效性。

“不能因为新技术能够采集更多的数据，就断定其比传统指标更好，这还需要通过临床实验进一步验证。”吕宇轩说。

抗衰老和增龄科学：从基础研究到临床应用

在抗衰老领域，动物模型的研究目前已经取得了显著进展。通过观察线虫、果蝇、小鼠乃至灵长类等模式生物，深入探讨衰老过程中表现出的多种与年龄相关的退化和疾病，从白发、听力下降到癌症、慢性炎症、代谢性疾病和老年痴呆症等。这些研究表明，通过饮食限制或使用抗衰老药物（如雷帕霉素、二甲双胍、NAD+补充剂）能够显著减缓衰老相关疾病的发生，并延长寿命。

例如，中国科学院动物研究所刘光慧教授团队的一项研究表明，二甲双胍能够显著延缓食蟹猴的衰老过程，甚至逆转多个器官的衰老时钟。此外，美国的一项小型临床试验也发现，雷帕霉素在改善老年人健康方面具有潜力，尤其是对女性的改善作用更为显著。

这些研究结果显示，抗衰老干预手段（如饮食限制、小分子药物和补剂、大分子和细胞基因疗法等）不仅在动物模型中有效，还可能对灵长类动物甚至人类的衰老指标产生积极影响。

此外，个体差异也是抗衰老研究中不容忽视的重要因素之一。目前，抗衰老研究主要集中在临床前模型，如小鼠等小型动物。这些实验大多在统一的实验环境中进行，虽然能够揭示衰老的共性特征，但难以解释个体之间的差异性。

例如，性别差异在衰老过程中表现得尤为明显。男性和女性（或雄性和雌性）在衰老的时钟变化、菌群、血液炎症反应以及衰老药物干预等方面都存在显著差异。

即使在动物实验中，这些性别差异的信号通路也表现出很大的不同。该研究强调，当这些研究成果应用于人类临床或推广时，必须首先考虑个体差异因素，尤其是性别差异。在研究干预手段或开发抗衰药物时，需要借助 AI、生物标志物等技术手段，将个体差异纳入考量范围。

长寿医学：基于 AI 和大数据的个性化整合医学

长寿生物技术的应用可以分为检测、干预和评估三大核心环节，而新兴的长寿医学（Longevity Medicine）正是围绕这一体系，从临床角度出发，实现从“疾病治疗”向“健康管理”的转变，最终以延长健康寿命（Healthspan）为核心目标，构建未来医学的新范式。

首先，通过多组学与 AI 的整合，开发快速、便捷且精准的检测方法，用于测量个体的生物学年龄和老年相关疾病风险，为后续干预提供科学依据。

然后，根据检测结果，按需进行个性化针对性干预，包括生活习惯调整（如运动、饮食）、抗衰补剂和药物（如 NAD+补剂等）以及皮肤护理（如玻尿酸和干细胞疗法等）来达到内外兼修，系统改善的效果。干预后，需结合健康人群或老年疾病人群的标准对效果进行评估，以判断干预措施的有效性。

未来展望：让抗衰老技术更广泛可及

吕宇轩认为，AI 与大数据正在重塑科学和医学模式，使抗衰老科学和长寿医学从传统的“一刀切”式研究和干预模式，迈向高度个性化、精准化的新时代。

从长远来看，长寿生物技术的应用将主要聚焦于两个方向：

• 健康人群的预防性干预。针对尚未患病但希望延缓衰老、优化健康状态的人群，提供科学的个性化健康管理，以及包括食药同源和新原料等营养保健产品在内的精准干预策略，以降低衰老相关失能和疾病的发生风险。
• 老年疾病的精准治疗。针对已出现衰老相关疾病的患者，通过先进的临床手段和生物技术（如小分子药物、细胞治疗、基因编辑、再生医学等）进行干预，改善疾病进程，提高生活质量。而这一方向的突破需要 AI、生物科技和临床医学的深度协作，推动精准医疗的发展。

在长寿科技不断进步的同时，如何进行有效科学传播，提高社会对长寿生物技术的认知和信任度，将成为技术普及的重要挑战之一。这将有助于消除误解，树立关于衰老的科学观念，提升公众对自身健康的主动关注，加速其在实际医疗和健康管理中的应用。

在科学技术的发展和跨学科合作日益紧密的背景下，生物医学、数据科学、临床医学和产业界等专业人士共同推动抗衰老技术的临床转化和应用是发展趋势，未来长寿生物技术有望成为惠及每个人健康的革命。

参考资料：

1.Lyu Y,Fu Q, Wilczok D, Ying K, King A, Antebi A, Vojta A, Stolzing A, Moskalev A, Georgievskaya A, Maier AB, Olsen A, Groth A, et al. Longevity biotechnology: bridging AI, biomarkers, geroscience and clinical applications for healthy longevity.Aging(Albany NY)，16，16:12955-12976(2024). https://doi.org/10.18632/aging.206135