衰老，是一個(gè)復(fù)雜的生物學(xué)過程，發(fā)生在生命的整個(gè)階段，是多種慢性疾病的關(guān)鍵因素之一。

精準(zhǔn)評估個(gè)體衰老，對于識別健康風(fēng)險(xiǎn)和預(yù)防衰老相關(guān)疾病至關(guān)重要。然而，現(xiàn)有的衰老指標(biāo)面臨諸多挑戰(zhàn)，包括方法學(xué)局限、與不良結(jié)果關(guān)聯(lián)性弱、普適性有限等問題。

近日，清華大學(xué)研究團(tuán)隊(duì)在頂尖醫(yī)學(xué)期刊Nature Medicine上發(fā)表了一篇題為“Large language model-based biological age prediction in large-scale populations”的研究論文。

這項(xiàng)研究提出了一種精準(zhǔn)、可靠的評估衰老的全新方法，僅需常規(guī)健康檢查報(bào)告，結(jié)合大型語言模型，即可精準(zhǔn)評估個(gè)體整體衰老、器官衰老的程度，為健康管理提供了全新工具。

圖1 論文截圖

在這項(xiàng)研究中，研究人員使用大型語言模型（LLM）學(xué)習(xí)，結(jié)合健康體檢報(bào)告，來評估個(gè)體的整體和器官特異性衰老，并利用6個(gè)大型人群隊(duì)列，包括UK Biobank、NHANES、CHARLS、CLHLS、CFPS、NCRP，超過1000萬例參與者，驗(yàn)證了LLM預(yù)測的生物年齡與衰老表型及健康結(jié)局之間的關(guān)聯(lián)。

結(jié)果顯示，LLM能高效預(yù)測衰老，LLM預(yù)測的整體年齡在全因死亡預(yù)測中的一致性指數(shù)（C-index）達(dá)0.757，顯著優(yōu)于端粒長度、衰弱指數(shù)等傳統(tǒng)衰老標(biāo)志物。

在年齡差距方面，LLM預(yù)測的整體年齡與實(shí)際年齡的差距，與多種衰老相關(guān)表型和健康結(jié)果密切相關(guān)。

在器官方面，LLM可分別預(yù)測心血管、肝臟、腎臟等器官的衰老年齡，其預(yù)測能力均優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)模型。

此外，研究人員還檢驗(yàn)了LLM的動態(tài)衰老評估能力，發(fā)現(xiàn)LLM能夠根據(jù)歷史健康信息數(shù)據(jù)，動態(tài)更新衰老評估結(jié)果，隨著時(shí)間推移提供更精確的預(yù)測。

圖2 論文截圖

對蛋白質(zhì)生物標(biāo)志物分析發(fā)現(xiàn)，發(fā)現(xiàn)了316種新型蛋白質(zhì)標(biāo)志物與加速衰老相關(guān)，其中56.7%為首次報(bào)道。

在臨床應(yīng)用方面，研究人員基于年齡差距，開發(fā)了270種疾病的風(fēng)險(xiǎn)預(yù)測模型，其中腎小球腎炎與加速衰老的關(guān)聯(lián)最強(qiáng)。

研究人員指出，這一框架無需昂貴的檢測，僅憑常規(guī)健康報(bào)告即可提供精準(zhǔn)、可靠、低成本的衰老評估，適合大規(guī)模人群應(yīng)用。未來或可助力早期疾病風(fēng)險(xiǎn)篩查和個(gè)性化干預(yù)。

研究指出，LLM提供了一種精確、可靠且成本低的衰老評估方法，其預(yù)測的年齡差距可以作為多種不良健康結(jié)果的獨(dú)立風(fēng)險(xiǎn)因素，且在不同人群中的普適性較強(qiáng)，能夠動態(tài)和縱向評估衰老，為大規(guī)模人群的衰老評估和健康管理提供了新的可能性。

綜上，結(jié)果表明，利用這一框架，僅需常規(guī)健康檢查報(bào)告，即可精準(zhǔn)評估個(gè)體整體及器官特異性衰老程度，結(jié)果為衰老研究提供了全新的方法，同時(shí)展現(xiàn)了人工智能在醫(yī)療健康領(lǐng)域的廣闊前景。