衰老，是一个复杂的生物学过程，发生在生命的整个阶段，是多种慢性疾病的关键因素之一。

　　精准评估个体衰老，对于识别健康风险和预防衰老相关疾病至关重要。然而，现有的衰老指标面临诸多挑战，包括方法学局限、与不良结果关联性弱、普适性有限等问题。

　　这项研究提出了一种精准、可靠的评估衰老的全新方法，仅需常规健康检查报告，结合大型语言模型，即可精准评估个体整体衰老、器官衰老的程度，为健康管理提供了全新工具。

　　在这项研究中，研究人员使用大型语言模型（LLM）学习，结合健康体检报告，来评估个体的整体和器官特异性衰老，并利用6个大型人群队列，包括UK Biobank、NHANES、CHARLS、CLHLS、CFPS、NCRP，超过1000万名参与者，验证了LLM预测的生物年龄与衰老表型及健康结局之间的关联。

　　结果显示，LLM能高效预测衰老，LLM预测的整体年龄在全因死亡预测中的一致性指数（C-index）达0.757，显著优于端粒长度、衰弱指数等传统衰老标志物。

　　在年龄差距方面，LLM预测的整体年龄与实际年龄的差距，与多种衰老相关表型和健康结果密切相关。

　　在器官方面，LLM可分别预测心血管、肝脏、肾脏等器官的衰老年龄，其预测能力均优于传统机器学习尊龙凯时官方网站模型。

　　此外，研究人员还检验了LLM的动态衰老评估能力，发现LLM能够根据历史健康信息数据，动态更新衰老评估结果，随着时间推移提供更精确的预测。

尊龙凯时官方网站80d77j00szwbgg00b3d200mf00kyg00mf00ky.jpg&thumbnail=660x2147483647&quality=80&type=jpg width=807 height=754 />

　　对蛋白质生物标志物分析发现，发现了316种新型蛋白质标志物与加速衰老相关，其中56.7%为首 次报道。

　　在临床应用方面，研究人员基于年龄差距，开发了270种疾病的风险预测模型，其中肾小球肾炎与加速衰老的关联最强。

　　研究人员指出，这一框架无需昂贵的检测，仅凭常规健康报告即可提供精准、可靠、低成本的衰老评估，适合大规模人群应用。未来或可助力早期疾病风险筛查和个性化干预。

　　研究指出，LLM提供了一种精确、可靠且成本低的衰老评估方法，其预测的年龄差距可以作为多种不良健康结果的独立风险因素，且在不同人群中的普适性较强，能够动态和纵向评估衰老，为大规模人群的衰老评估和健康管理提供了新的可能性。

　　综上，结果表明，利用这一框架，仅需常规健康检查报告，即可精准评估个体整体及器官特异性衰老程度，结果为衰老研究提供了全新的方法，同时展现了人工智能在医疗健康领域的广阔前景。

　　转载、进群、宣传研究成果、新闻稿、课题组招聘、企业宣传推广等，请扫码添加小编，切记注明来意。