自古以來，衰老是人類必經的自然過程，然而隨著全球老齡化問題日益嚴峻，抗衰老已經不僅是生物學問題，而是涉及多個領域的系統性挑戰。這不僅需要科學家、臨床醫生和企業多方的共同努力，還需要政策支援和社會公眾的理解與參與。
近期，來自南方科技大學、美國哈佛醫學院、AI 製藥公司英矽智慧和丹麥哥本哈根大學等 120 餘位衰老領域工作者（包括科學家、臨床醫生、企業家和行業投資機構）於 Aging 聯合發表《長壽生物技術：連線人工智慧、生物標誌物、增齡科學和臨床應用以實現健康長壽》（Longevity biotechnology：bridging AI, biomarkers, geroscience and clinical applications for healthy longevity）的綜述論文 [1]。
聯合團隊提出，構建一個涵蓋基礎研究、臨床應用、社會學和經濟學的完整抗衰老生態圈，需要整合多學科的力量，透過跨學科的合作和創新來實現健康老齡化的目標。
同時，他們還重點剖析了近年持續火爆的 AI 在抗衰老上的應用，囊括其對於衰老生物標誌物發現、抗衰藥物研發及個性化長壽醫學中的賦能作用。文中提到，整合 AI、生物標誌物和衰老時鐘、增齡科學、長壽醫學是促進人類健康壽命延長的關鍵策略。
南方科技大學前沿生物技術研究院研究助理教授呂宇軒是第一作者兼通訊作者，濱州醫學院付強教授、美國杜克大學多米妮卡·威爾佐克（Dominika Wilczok）、美國哈佛醫學院應可鈞博士為共同一作，AI 製藥公司英矽智慧董事會主席兼 CEO 亞歷克斯·扎沃倫科夫博士（Alex Zhavoronkov）、哥本哈根大學莫滕·謝比耶克努森（Morten Scheibye-Knudsen）教授和丹妮拉·巴庫拉（Daniela Bakula）助理教授擔任共同通訊作者。
圖丨相關論文（來源：Aging）
AI 如何加速抗衰老研究？
AI 在處理複雜的生物資料方面具有獨特優勢。呂宇軒舉例說道：“在進行聚類分析以及一些簡單的因果推斷時，AI 能夠以比人類更快的速度從海量資料中篩選出潛在的、具有生物學意義的衰老標誌物。”
然而，目前 AI 在抗衰老領域的應用也面臨一些挑戰。其有效性依賴於海量真實可靠的資料作為基礎，來進行分析和推斷。因此，AI 與衰老標誌物以及多組學資料之間是相輔相成的關係。
一方面，AI 能夠幫助人們解讀多組學資料；另一方面，豐富的多組學資料又能不斷最佳化 AI 演算法，使其更加成熟和精準。這種相互促進的關係對於推動抗衰老研究和臨床應用具有重要意義。
圖丨整合 AI、生物標誌物與衰老時鐘、老年科學以及長壽醫學，以推進人類健康壽命的延長（來源：Aging）
衰老時鐘：精準測量生物年齡的關鍵
衰老時鐘是一種比傳統生理指標（如血糖、心率等）更復雜且更貼近生物底層的綜合技術。它透過分析表觀基因組、轉錄組、代謝組以及菌群等組學資料的變化特徵，來綜合評估個體的生物學年齡，並與實際年齡（日曆年齡）進行對比，從而比傳統指標更精準地反映個體的衰老程度。
這種技術為衰老研究和干預提供了一個重要的“標尺”，幫助量化和監測個體衰老過程。然而，當前的衰老時鐘技術仍存在一些侷限性。
首先，單一組學資料（如僅分析表觀基因組或轉錄組）難以全面反映個體的衰老狀態和生物學年齡，因為它們存在一定的偏好性。例如，從血液中提取的樣本可能只能反映血液炎症的變化，而不能準確反映大腦或其他器官的真實衰老狀態。
因此，越來越多的研究開始結合多組學整合的方法，將表觀基因組、轉錄組、蛋白質組、代謝組和菌群等資料，以更全面地評估個體衰老。相關研究發現，轉錄組和蛋白質組之間存在顯著差異，只有從多個角度綜合分析，才能更準確地應用於衰老檢測。
此外，儘管近年來衰老時鐘技術發展迅速，但其在臨床應用方面仍面臨挑戰。目前，大多數衰老時鐘的研究和驗證都在動物模型上進行，與血糖、血脂等傳統的風險因素相比，尚未充分證明其在人類中的有效性。
“不能因為新技術能夠採集更多的資料，就斷定其比傳統指標更好，這還需要透過臨床實驗進一步驗證。”呂宇軒說。
圖丨長壽生物技術重要事件時間表（非窮盡）（來源：Aging）
抗衰老和增齡科學：從基礎研究到臨床應用
在抗衰老領域，動物模型的研究目前已經取得了顯著進展。透過觀察線蟲、果蠅、小鼠乃至靈長類等模式生物，深入探討衰老過程中表現出的多種與年齡相關的退化和疾病，從白髮、聽力下降到癌症、慢性炎症、代謝性疾病和老年痴呆症等。這些研究表明，透過飲食限制或使用抗衰老藥物（如雷帕黴素、二甲雙胍、NAD+補充劑）能夠顯著減緩衰老相關疾病的發生，並延長壽命。
例如，中國科學院動物研究所劉光慧教授團隊的一項研究表明，二甲雙胍能夠顯著延緩食蟹猴的衰老過程，甚至逆轉多個器官的衰老時鐘。此外，美國的一項小型臨床試驗也發現，雷帕黴素在改善老年人健康方面具有潛力，尤其是對女性的改善作用更為顯著。
這些研究結果顯示，抗衰老幹預手段（如飲食限制、小分子藥物和補劑、大分子和細胞基因療法等）不僅在動物模型中有效，還可能對靈長類動物甚至人類的衰老指標產生積極影響。
此外，個體差異也是抗衰老研究中不容忽視的重要因素之一。目前，抗衰老研究主要集中在臨床前模型，如小鼠等小型動物。這些實驗大多在統一的實驗環境中進行，雖然能夠揭示衰老的共性特徵，但難以解釋個體之間的差異性。
例如，性別差異在衰老過程中表現得尤為明顯。男性和女性（或雄性和雌性）在衰老的時鐘變化、菌群、血液炎症反應以及衰老藥物干預等方面都存在顯著差異。
即使在動物實驗中，這些性別差異的訊號通路也表現出很大的不同。該研究強調，當這些研究成果應用於人類臨床或推廣時，必須首先考慮個體差異因素，尤其是性別差異。在研究干預手段或開發抗衰藥物時，需要藉助 AI、生物標誌物等技術手段，將個體差異納入考量範圍。
圖丨呂宇軒（來源：呂宇軒）
長壽醫學：基於 AI 和大資料的個性化整合醫學
長壽生物技術的應用可以分為檢測、干預和評估三大核心環節，而新興的長壽醫學（Longevity Medicine）正是圍繞這一體系，從臨床角度出發，實現從“疾病治療”向“健康管理”的轉變，最終以延長健康壽命（Healthspan）為核心目標，構建未來醫學的新正規化。
首先，透過多組學與 AI 的整合，開發快速、便捷且精準的檢測方法，用於測量個體的生物學年齡和老年相關疾病風險，為後續干預提供科學依據。
然後，根據檢測結果，按需進行個性化針對性干預，包括生活習慣調整（如運動、飲食）、抗衰補劑和藥物（如 NAD+補劑等）以及皮膚護理（如玻尿酸和幹細胞療法等）來達到內外兼修，系統改善的效果。干預後，需結合健康人群或老年疾病人群的標準對效果進行評估，以判斷干預措施的有效性。
未來展望：讓抗衰老技術更廣泛可及
呂宇軒認為，AI 與大資料正在重塑科學和醫學模式，使抗衰老科學和長壽醫學從傳統的“一刀切”式研究和干預模式，邁向高度個性化、精準化的新時代。
從長遠來看，長壽生物技術的應用將主要聚焦於兩個方向：
-
健康人群的預防性干預。針對尚未患病但希望延緩衰老、最佳化健康狀態的人群，提供科學的個性化健康管理，以及包括食藥同源和新原料等營養保健產品在內的精準干預策略，以降低衰老相關失能和疾病的發生風險。
-
老年疾病的精準治療。針對已出現衰老相關疾病的患者，透過先進的臨床手段和生物技術（如小分子藥物、細胞治療、基因編輯、再生醫學等）進行干預，改善疾病程序，提高生活質量。而這一方向的突破需要 AI、生物科技和臨床醫學的深度協作，推動精準醫療的發展。
在長壽科技不斷進步的同時，如何進行有效科學傳播，提高社會對長壽生物技術的認知和信任度，將成為技術普及的重要挑戰之一。這將有助於消除誤解，樹立關於衰老的科學觀念，提升公眾對自身健康的主動關注，加速其在實際醫療和健康管理中的應用。
在科學技術的發展和跨學科合作日益緊密的背景下，生物醫學、資料科學、臨床醫學和產業界等專業人士共同推動抗衰老技術的臨床轉化和應用是發展趨勢，未來長壽生物技術有望成為惠及每個人健康的革命。
參考資料：
1.Lyu Y,Fu Q, Wilczok D, Ying K, King A, Antebi A, Vojta A, Stolzing A, Moskalev A, Georgievskaya A, Maier AB, Olsen A, Groth A, et al. Longevity biotechnology: bridging AI, biomarkers, geroscience and clinical applications for healthy longevity. Aging (Albany NY)，16，16:12955-12976(2024). https://doi.org/10.18632/aging.206135