近日,一项研究利用人工智能技术开发了一种基于血液代谢物的数据预测个体健康状况和寿命的“衰老时钟”。这项研究使用了超过22.5万名参与者的数据进行训练和测试,发现非线性机器学习算法在捕捉老化信号方面表现最佳。
科学家引入了一个名为“MileAge”的指标来评估生物年龄,该指标通过观察血液新陈代谢过程中产生的小分子来评估。MileAge delta表示MileAge与实际年龄的差值,用于指示生物衰老处于加速还是减速状态。
研究发现,MileAge大于实际年龄(即生物年龄加速)的个体通常身体更虚弱,容易患慢性疾病,自评健康状况较差,并且死亡风险更高。他们还拥有更短的端粒(细胞衰老的标志),与动脉粥样硬化等老年疾病相关。
伦敦国王学院的研究人员发现,在晚年可能面临更大健康问题风险的人群可能是那些MileAge大于实际年龄的人。他们补充说,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。
这项研究为生物医学和健康研究提供了一种替代的老化度量标准,可以帮助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。研究人员评估了各种机器学习方法在老化时钟开发中的表现,并发现非线性算法在捕获老化信号方面表现出色。
尽管这项研究还处于初期阶段,但其结果引发了人们对逆转生物年龄可能性的好奇心。随着科技的不断进步和对人类生命周期延长的关注度增加,未来可能会出现更多关于衰老、寿命和健康的创新技术。
评论