综述：老龄化进程中的人工智能：机制性老年科学研究、治疗创新及临床应用

《Ageing Research Reviews》：Artificial intelligence across the aging continuum: Mechanistic geroscience, therapeutic innovation, and clinical impact

　　李鸿波|Peace Osebhue Abhulimen|余秋亮|程文祥|露西·万吉鲁·恩琼格中国南昌大学环翠学院临床医学系摘要衰老是由多种主要的、对立的以及整合性的特征通过非线性相互作用逐渐削弱组织抵御能力而产生的。随着全球人口结构的变化以及慢性疾病负担的加重，以精确的机制手段延长健康寿命变得极为重要，这也推动了人工智能在老年科学领域的应用。人工智能利用多组学数据、空间生物学、成像技术以及临床数据，揭示出这些特征之间的非线性关联，进而理解它们如何导致组织脆弱性及生物体功能衰退。这些机制上的见解有助于确定研究重点、构建基于扰动的路径模型，并合理设计多靶点抗衰老药物，其中包括那些已进入临床试验的化合物。除了新药的发现之外，人工智能还支持合成数据的生成、跨疾病的应用以及通过数字表型分析和预测模型实现个性化老年护理。然而，这些进展面临着数据质量、混杂变量、批次效应和技术缺陷等根本性挑战，这些因素可能引发虚假的相关性，因此需要通过分层实验验证和可解释的人工智能技术来区分因果机制与偶发现象。算法偏见、数字年龄歧视、隐私隐患以及基础设施不平等等问题进一步加剧了弱势老年群体之间的差异。本综述系统地探讨了人工智能在从基于特征标志物的生物标志物发现到实际临床应用的整个转化过程中的作用，同时强调了严格的验证标准与伦理体系是构建高效人工智能老年科学生态系统的核心要素。引言预计到2050年，全球65岁及以上的人口将超过16亿，其中超过8亿人属于这一年龄段。这种人口结构变化使得慢性非传染性疾病、身体虚弱、神经退行性疾病以及心血管疾病的负担愈发沉重，给全球的医疗系统和社会经济结构带来了巨大压力，也凸显出在临床护理、社会基础设施以及科学研究方面采取综合策略的必要性（Fang等人，2015；Fang等人，2020；Fang等人，2025；联合国，2023）。随着寿命的延长，延长健康寿命并保持生理机能的稳定性变得尤为重要，这体现在联合国“健康老龄化十年”（2021–2030）等倡议中，这些倡议注重提升老年人的生活自主能力和晚年生活质量（Bernal等人，2024；联合国，2023）。由于寿命与健康寿命之间存在显著差距，人们开始将衰老视为导致慢性疾病、多重疾病以及各器官系统功能衰退的主要风险因素（Bernal等人，2024；联合国，2023）。衰老是一个复杂的、多因素的过程，其根源在于分子和细胞损伤的逐渐积累，这些损伤会削弱机体的稳态调节能力，增加患慢性疾病的风险（Kroemer等人，2025；López-Otín等人，2023；Marino等人，2023）。特征标志物框架将这一复杂性归纳为12个相互关联的过程，这些过程可分为主要特征、对立特征以及整合特征三类（Kroemer等人，2025；López-Otín等人，2013；López-Otín等人，2023）。主要特征通过基因组不稳定、端粒缩短、表观遗传改变、蛋白质稳态失衡、巨自噬功能受损以及线粒体自噬功能下降等方式启动衰老进程，每一种情况都会引发细胞损伤，进而触发补偿性的应激反应。这些反应构成了对立特征层面，其中失调的营养感应、线粒体功能障碍以及细胞衰老最初可以起到缓冲损伤的作用，但若长期存在则会产生致病效应。各种主要损伤因素以及不适当的对立信号共同作用，最终导致整合特征的出现，包括干细胞耗竭、细胞间通讯异常、慢性炎症以及微生物群失衡，这些因素共同推动着功能衰退、多重疾病以及身体虚弱状况的发展。由于这些特征之间存在复杂的非线性关联，分析起来极具挑战性，因为某一领域的变化会在不同生物尺度上产生连锁反应，形成难以用简化方法理解的系统性衰老轨迹，这就需要采用能够解析跨特征相互作用并预测干预效果的整合计算方法。人工智能已成为应对这一复杂性的关键工具。机器学习、深度学习以及生成式人工智能能够从多组学数据、影像数据、行为数据以及临床数据中提取出有规律的结构，从而揭示出被生物噪声、数据稀疏性以及数据规模所掩盖的非线性模式（Bernal等人，2024；Theodorakis等人，2024；Wilczok，2025）。在老年科学领域，这些技术正在帮助更精准地估算生物年龄、描述细胞衰老的特征，并加速生物标志物的发现。这些能力正逐步应用于实际转化研究中，人工智能能够帮助确定研究目标，并围绕衰老生物学而非单一疾病来设计干预策略（Theodorakis等人，2024；Wilczok，2025；Zhavoronkov等人，2019）。在临床环境中，人工智能有助于对患者进行分类、模拟不同的治疗反应并预测试验结果，从而提高临床试验的可扩展性和包容性（Askin等人，2023；Qian等人，2025）。在正式的研究环境之外，借助人工智能的可穿戴传感器、机器人技术以及环境监测系统，还可以实现对患者生理状态的持续监测、早期发现功能衰退情况，并制定个性化方案，帮助老年人保持独立生活能力（Cantone等人，2023）。然而，人工智能在老年科学和老年护理领域的应用前景取决于其输出结果是否真实反映生物学现象，而非人为产生的假象。衰老相关的数据集尤其容易受到混杂因素、批次效应、人群差异以及技术噪声的影响，这些因素可能会被模型误认为是有意义的生物学信号（Singh和Benayoun，2023；Yu等人，2023）。当高维分子数据与有限的样本量相结合时，就更容易出现过度拟合的情况，此时算法捕捉到的往往是特定群体的噪声，而非具有普遍意义的特征标志物生物学特征。因此，计算预测结果必须在不同的细胞系统、模式生物以及独立的人类群体中进行验证，随后还需从机制层面进行分析，以区分真正的因果因素与仅仅是相关的偶发现象（Fuellen等人，2025）。如果没有有效的验证机制，人工智能可能会导致大量无法重复验证的生物标志物和治疗靶点的出现，这不仅无法统一该领域的研究进展，反而可能使其更加碎片化。此外，算法偏见、隐私问题、数字年龄歧视以及技术透明度不足等问题也会进一步增加临床应用的难度，可能加剧老年人群体之间的差异，同时降低人们对人工智能辅助治疗的信任度（Chu等人，2023；Fahim等人，2025；Ricciardi Celsi和Zomaya，2025）。要想让所有人都能从中受益，就必须建立严格的数据质量控制体系、透明的管理机制以及具备可解释性的系统，这样才能确保研究的可靠性并赢得临床界的信任。关键问题不在于人工智能能否应用于衰老研究，而在于它是否能够以具有科学依据且实用的方式揭示衰老的生物学机制。已有的一些综述探讨了人工智能在临床科学、转化科学（Shahin和Liu，2025）、医疗服务（Fahim等人，2025）以及长寿生物技术（Lyu等人，2024）领域的应用。本文则采用了不同的视角，将人工智能的进步置于主要特征、对立特征以及整合特征这一机制框架之下进行分析。这种以特征标志物为核心的方法有助于阐明人工智能是如何解决那些传统分析方法难以处理的、与特定特征相关的复杂生物学问题的。接着，我们进一步探讨了这些见解在从生物标志物发现和目标识别，到药物生成设计、药物再利用、适应性临床试验以及精准老年护理等整个转化过程中的应用。尤为重要的是，我们认为严格的验证标准以及包括数据质量控制、实验可重复性、算法透明度以及公平获取资源在内的伦理体系，是决定人工智能老年科学能否取得可靠且具有实际应用价值的成果的关键因素。这种系统性的视角为构建新兴的人工智能老年科学生态系统提供了清晰的路线图，同时也明确了将衰老这一现象从单纯的描述性概念转变为可通过针对性干预加以调控的生物学过程所需的概念基础和技术支撑。章节摘录人工智能在生物标志物发现中的应用生物标志物的识别是药物研发的核心环节，在老年科学领域尤为重要，因为生物标志物能够用于量化生物年龄、身体虚弱程度、死亡风险以及与年龄相关的疾病状况（Wang和Ji，2025）。分子生物标志物之所以具有重要价值，是因为它们能够直接反映衰老过程中主要特征、对立特征以及整合特征所涉及的各类生物学过程（Kroemer等人，2025；López-Otín等人，2023）。由于这些途径之间存在紧密的联系，因此生物标志物的识别工作显得十分复杂。人工智能驱动的药物发现与药物再利用人工智能通过实现精确的目标识别、加速新分子的发现以及优化临床试验的设计，极大地推动了衰老相关疗法的发展。它具备处理高维分子数据、生理数据以及临床数据的能力，这使得药物发现方式从基于假设的传统方法转变为更加注重数据驱动的适应性策略，从而更能准确把握衰老生物学的复杂性。在抗衰老药物的发现方面，人工智能的应用已经成为一个重要的转化研究方向。人工智能在老年医疗保健领域的创新随着人口结构向老龄化发展，老年医疗保健已经成为了全球关注的焦点。从图像识别、虚拟助手、决策支持系统、自然语言处理到情绪检测，各种人工智能系统正在支撑着现代老年医学的诸多方面（Choudhury等人，2020；Esteva等人，2019）。通过整合连续的生理数据、行为数据以及环境数据，这些技术能够为患者提供个性化的护理服务，并帮助人们更深入地了解衰老的生物学机制。人工智能驱动的老年科学研究所需的验证标准人工智能在老年科学领域的应用潜力取决于其在三个相互关联的方面的系统验证，即数据质量、机制的可解释性以及结果的重复性。只有满足这些要求，计算预测结果才能转化为真正具有实用价值的治疗方案，而非毫无通用性的虚假结果。伦理、社会及基础设施方面的考量除了技术层面的验证之外，要将人工智能老年科学成果转化为惠及所有人的实际应用，还需要解决一系列伦理、社会以及基础设施方面的问题，这些问题往往会对弱势老年群体造成更为严重的影响。尽管人工智能能够加快目标物质的发现速度、更精准地预测衰老进程以及实现个性化干预，但其在老年科学领域的应用仍然引发了关于透明度、公平性、隐私保护以及患者自主权等方面的担忧，尤其是对于那些处于弱势地位或被边缘化的群体而言，这些问题更为突出。结论老年科学与人工智能的结合正在重塑我们对衰老的概念、测量方法以及干预策略。通过整合不同生物层次上的多组学数据、影像数据、临床数据以及行为数据，人工智能有助于揭示主要特征、对立特征以及整合特征之间是如何相互作用，从而导致组织特异性脆弱性以及全身性功能衰退的。这种系统性的视角将衰老视为一个动态的、相互关联的复杂过程，而非由若干孤立特征构成的简单现象。在从研究发现到实际应用的整个过程中，人工智能发挥着越来越重要的作用。作者贡献H.L.、Q.Y.和L.W.N.共同构思并设计了这项研究。H.L.和P.O.A.负责最初的文献检索并撰写了初稿。Q.Y.、W.C.和L.W.N.对稿件进行了修改并最终定稿。所有作者都对本文的内容做出了贡献，并同意提交当前的版本。关于写作过程中使用生成式人工智能及人工智能辅助技术的声明在撰写本稿时，作者们使用了Microsoft Copilot来提升语言的清晰度、简洁性、可读性以及风格一致性。所有内容都经过了作者们的仔细审阅、修改和确认，他们对最终版本的准确性和完整性承担全部责任。关于利益冲突的声明作者们声明自己不存在任何可能影响本研究结果的已知财务利益或个人关系。致谢本项目得到了中国国家自然科学基金（22577149、22207118、22307135、82574651）、深圳市科技计划项目（JCYJ20220818100804009）、广东省基础与应用基础研究基金（2023A1515010715、2025A1515010718）、广东省教育厅普通高校重点科研项目（2022ZDZX2071）、中欧先进治疗企业研究生态系统项目（A?2024–02）以及深圳研究所的支持。