“我今年50岁，但医生说我的身体像45岁”，“明明才35岁，却总觉得精力大不如前”等等，生活中，我们常能听到这样的感慨。这背后其实藏着一个关键概念：生物学年龄。与身份证上的实足年龄不同，生物学年龄能更精准地反映身体的真实衰老状态，是预测疾病风险、判断健康水平的重要指标。常见的生物学年龄评价指标包括PhenoAge（表型年龄时钟）、DunedinPACE（衰老速度时钟）、Deep Longevity Blood Age（深度长寿血液年龄）、GrimAge时钟、ip AGE（炎症保护年龄时钟）、端粒长度、衰弱指数、认知时钟和Klemera-Doubal 方法等。

2025年7月，清华大学卫健学院底骞副教授团队在国际顶级期刊《Nature Medicine》发表的研究，为生物学年龄评估带来新突破。他们开发的“基于大语言模型的衰老评估框架”，仅靠健康检查报告，就能算出整体生物学年龄，甚至精准判断心脏、肝脏等单个器官的衰老程度。这项研究让衰老评估更精准、便捷和低成本，也为普通人健康老龄化管理提供了新工具。

为什么需要更靠谱的“衰老尺子”？衰老并非一刀切：有人70岁健步如飞，有人50岁被慢性病缠身，这种差异正是生物学年龄要捕捉的核心。过去，医生评估衰老常用两种方法：一是虚弱指数，通过日常能力打分，主观性强；二是传统生物年龄，靠检测端粒长度、表观遗传标记等，成本高、操作复杂，且预测疾病风险的准确性有限，难在大规模人群推广。而社区健康管理、慢性病预防，亟需既便宜、精准又能大规模使用的衰老评估方法。

大语言模型把体检报告变成“衰老诊断书”。研究第一步先将血压、BMI等常规健康指标转化为文本形式的体检报告，再用8个不同的大语言模型，分别测算个体的整体衰老状况和心脏、肝脏等器官的特异性衰老程度，并把这些模型输出的预测年龄，界定为能更全面反映衰老状态的核心指标。通过分析预测年龄和年龄差（即模型预测年龄与实际日历年龄的差值），与疾病、死亡等衰老相关不良健康结局的关联情况，验证该指标的可靠性；同时还将其与传统机器学习模型，以及表观遗传年龄、端粒长度、衰弱指数等经典衰老指标做对比。最后，进一步探索了大语言模型的动态衰老评估潜力，把年龄差应用到生物标志物发现、疾病风险预测等生物医学与临床下游任务中，并对大模型的衰老评估机制进行可解释性分析。

研究团队使用6个国家和地区的超1000万人的队列数据（含英国生物银行UKB、美国国家健康与营养检查调查NHANES、中国西北真实世界人群队列 NCRP、中国健康与养老追踪调查CHARLS、中国老年健康影响因素跟踪调查CLHLS、中国家庭追踪调查CFPS），采用8中开源大语言模型（LLM）。结果显示，LLM可以有效预测总体年龄和特异器官年龄，LLM预测的整体年龄在预测全因死亡率和多种重大疾病的风险时，其C-index显著高于其他八种衰老指标。在预测特定器官疾病的风险时，LLM预测的相应器官特异性年龄的C-index显著高于使用其他四种机器学习方法（ML）预测的器官特异性年龄。

年龄差是健康风险的预警灯。这项研究中，最让普通人受益的是年龄差的价值，它像身体里的健康预警灯，清晰提示衰老速度与未来疾病风险。整体年龄差即模型预测的生物学年龄减实足年龄：差值为正说明身体比实际年龄老，反之，说明比同龄人年轻。研究发现，年龄差前10%（衰老最快）的人，全因死亡率、冠心病等不良结局风险，比后10% 的人高30%以上。即使排除吸烟、高血压等干扰，年龄差仍是全因死亡率的独立危险因素——每增加1岁，死亡风险高5.5%。

器官年龄差精准定位脆弱器官。模型还能算出器官特异性年龄差，如心血管年龄55岁、实足年龄50岁，差值+ 5岁，说明心脏比其他部位衰老快。数据显示，器官年龄差与对应疾病风险关联极强：心血管年龄差每增1岁，冠心病风险增4.5%（HR=1.045）、中风风险增加2.9%（HR=1.029）；肝脏年龄差每增1岁，肝衰竭风险增6.2%。甚至“器官-整体年龄差”（器官与全身衰老速度对比）也能独立预测风险，如心血管-整体年龄差与冠心病的HR达1.073。

发现新的抗衰老靶点。团队通过模型年龄差，筛选出316种未被报道的衰老相关蛋白质，超半数与全因死亡率显著相关。这些蛋白质涉及脂质氧化、细胞修复等关键通路，未来可能成为抗衰老药物新靶点。

精准预测270种疾病风险。基于年龄差开发的270种疾病风险预测模型中，子宫癌、胸膜斑块等模型的C-index超0.85。这为疾病早期筛查提供新工具。

动态跟踪衰老速度。模型还能动态评估：连续3年输入体检报告，可算出衰老速率。研究发现，衰老速率快的人，未来患慢性病风险更高。若第一年年龄差+2、第二年+3、第三年+5，说明衰老加速，需及时调整生活方式。

真正的年轻，从不是身份证上的数字，而是充满活力的心脏与运转良好的器官系统。这项研究提供了一把读懂身体信号、守护健康的新钥匙。

衰老不是被动接受，而是可主动管理的。未来希望通过大语言模型等进行精准的衰老评估，实现个性化衰老管理和干预，预防过早死亡，延长健康期望寿命，帮助更多人“健康地老”，而不仅仅“活得久”，努力实现健康中国和健康老龄化的社会目标。

供稿 河南省心血管疾病防治大数据中心  江继承

审稿 朱贺变