撰文丨王聰

編輯丨王多魚

排版丨水成文

準確且便捷地評估一個人的衰老程度，對于識別健康風險以及預防衰老相關疾病至關重要。然而，目前的衰老替代指標，常常面臨諸如方法學局限、與不良后果關聯較弱以及普遍適用性有限等挑戰。

2025 年 7 月 23 日，清華大學萬科公共衛生與健康學院底騫副教授、新疆維吾爾自治區人民醫院楊毅寧教授、清華大學智能產業研究院馬為之助理教授等在國際頂尖醫學期刊Nature Medicine上發表了題為：Large language model-based biological age prediction in large-scale populations 的研究論文。

該研究提出了一種基于大語言模型（LLM）的生物學年齡預測方法，僅通過體檢報告來估算一個人的整體衰老程度以及器官特異性衰老程度。這項研究不僅開創了衰老檢測新范式，更有望幫助精準健康管理走進尋常百姓家。

總的來說，該研究開發的基于大語言模型（LLM）的衰老評估框架為整體衰老和器官特異性衰老的評估提供了一種精確、可靠且經濟高效的方法。它在大規模普通人群中具有個性化衰老評估和健康管理的潛力。

衰老是導致死亡和慢性疾病的一個主要風險因素，給社會帶來了巨大的健康負擔。之前的研究表明，衰老是一個復雜且多維度的過程，在身體、器官、分子等層面表現出顯著的異質性，受到環境和遺傳等多種因素的影響。對于臨床實踐而言，整體衰老指標能更好地評估綜合健康狀況，而器官特異性衰老指標則有助于了解特定器官的健康情況。

然而，我們的實際年齡通常不能充分代表我們的衰老情況。因此，開發全面的和針對特定器官的衰老指標以更精確地反映多維度衰老進展，從而為健康風險和潛在干預措施提供信息，這一點至關重要。盡管存在這種需求，但開發出能夠準確且便捷地評估大規模普通人群衰老程度的實用方法，仍是一項關鍵挑戰。

突破性方案：讓 AI 成為衰老偵探

在這項研究中，研究團隊開發了全新框架：將體檢數據（例如血壓、肝功能、生活習慣等）轉化為文字報告，輸入大語言模型（例如 Llama3）。大語言模型會像資深醫生一樣，綜合分析上百項指標，并輸出兩個關鍵結果：

1、全身衰老程度（整體生物學年齡）；

2. 六大器官專屬年齡（心臟、肝臟、肺、腎臟、代謝系統、骨骼肌肉）。

大語言模型并不依賴預設公式，而是通過預訓練的醫學知識庫（類似通讀海量醫學文獻），結合個人健康細節進行智能推演。

利用大型語言模型預測整體年齡和器官特異性年齡的框架

效果碾壓：1000 萬人驗證的精準預測

該研究橫跨全球六大數據庫（英國生物樣本庫、中國慢性病隊列等），超 1000 萬人數據驗證，結果令人驚嘆：預測全因死亡風險的準確率為 75.7%，比基于端粒長度、表觀遺傳時鐘的準確率高 15%；預測冠心病風險大的準確率為 70.9%，比其他機器學習模型高 8%；預測肝硬化風險準確率為 81.2%，比基于臨床指標高 22%。

此外，LLM 預測的年齡差（預測年齡-實際年齡）每增加 1 歲，全因死亡風險上升 5.5%，冠心病風險增加 7.2%。

在六個大規模多樣化人群中對 LLM 預測的整體年齡、器官特異性年齡及年齡差的驗證

臨床價值：從預警到干預的全鏈條應用

1、疾病雷達預警系統，通過對 46 萬人追蹤發現，心血管年齡差增大，冠心病風險增加 45%，肝臟年齡差增大，肝硬化風險增加 63%。

2、發現新型“衰老加速器”，通過對比衰老加速人群的蛋白質組，該研究鎖定了 322 個關鍵蛋白（例如瘦素、成纖維生長因子），56.7% 為新發現靶點，其中 55% 與死亡率顯著相關。例如，攜帶特定蛋白組合（例如 IGFBP4）的人群，死亡風險比普通人高 68%！

3、定制化健康管理，輸入連續 3 年體檢數據，LLM 可生成個人衰老速率曲線，預警疾病爆發期，比單次體檢準確率提升 3 倍。

基于 LLM 預測的年齡差的進一步探索、應用及可解釋性分析

總的來說，研究團隊在涵蓋超過 1000 萬參與者的六個基于人群的隊列中驗證了這種預測方法，并證明了其有效性和可靠性。研究結果表明，LLM 預測的總體年齡在全因死亡率方面達到了 0.757 的一致性指數，顯著優于其他衰老指標，例如端粒長度、衰弱指數、八個表觀遺傳年齡以及四個機器學習模型的預測結果。總體年齡差與多種與衰老相關的表型和健康結果密切相關，全因死亡率的風險比為 1.055。對于器官特異性衰老，LLM 預測的年齡和年齡差在預測相應器官特異性疾病方面也表現出優于機器學習模型的性能。此外，該研究還探索了 LLM 的動態衰老評估能力，并利用年齡差來識別與加速衰老相關的蛋白質組學生物標志物，進而開發了 270 種疾病的患病風險預測模型。研究團隊還進行了可解釋性分析，以探究 LLM 的決策過程。

LLM 通過對話分析體檢報告，做出生物學年齡的預測

該研究開發的基于大語言模型（LLM）的衰老評估框架為整體衰老和器官特異性衰老的評估提供了一種精確、可靠且經濟高效的方法，它在大規模普通人群中具有個性化衰老評估和健康管理的潛力。

論文鏈接：

https://www.nature.com/articles/s41591-025-03856-8