奥地利科学院分子医学研究中心和维也纳大学路德维希·博尔兹曼网络医学研究所研究团队开发出一种基于人工智能（AI）的“组织时钟”，能从组织学图像中预测人体器官的生物学年龄，而且组织的衰老信息还可以通过血液样本检测出来。这为理解衰老过程提供了新的框架，并为疾病监测和早期诊断开辟新路径。相关论文14日发表于《自然·医学》杂志。
有些人似乎比同龄人老得慢，另一些人则仿佛“跑在了年龄前”，衰老得更快。为什么会出现这种差异？人们能否测量身份证上的年龄与每个器官生物学年龄之间的差距？
为回答这些问题，团队利用基因型—组织表达（GTEx）项目的数据，对来自983人的40种组织类型进行了分析，涵盖大脑、心脏、肺、胰腺、皮肤和肠道等，共获得25712张高分辨率组织学图像。团队借助深度学习模型分析发现，在40种组织中，年龄是影响组织外观的最主要因素之一。
基于这一发现，团队开发了针对不同组织的“组织时钟”，能根据组织微观结构预测器官的生物学年龄。这些模型的平均预测误差为4.9年，且预测出的生物学年龄与端粒缩短、组织病理变化以及慢性疾病数量等已知衰老指标密切相关。
研究发现，人体各器官并不是按照相同节奏衰老。肺、肾脏、胰腺和肾上腺等组织在20岁至40岁之间就出现较明显的加速衰老迹象，而一些组织则在更晚阶段出现加速衰老。子宫的衰老轨迹尤其明显，在绝经期前后出现显著变化。肾衰竭与多个组织中的加速衰老信号有关，糖尿病则对胰腺组织影响尤为明显。
由于直接获取器官组织通常需要活检，研究人员进一步探索能否通过血液样本“读取”组织衰老信息。他们将组织图像得到的生物学年龄与同一个体的血液基因表达数据关联，建立了基于血液样本预测特定组织生物学年龄的模型。
结果显示，这些模型能识别与阿尔茨海默病、克罗恩病、囊性纤维化、血管炎、糖尿病和卒中等疾病相关的组织衰老模式。
奥地利科学院分子医学研究中心和维也纳大学路德维希·博尔兹曼网络医学研究所研究团队开发出一种基于人工智能（AI）的“组织时钟”，能从组织学图像中预测人体器官的生物学年龄，而且组织的衰老信息还可以通过血液样本检测出来。这为理解衰老过程提供了新的框架，并为疾病监测和早期诊断开辟新路径。相关论文14日发表于《自然·医学》杂志。
有些人似乎比同龄人老得慢，另一些人则仿佛“跑在了年龄前”，衰老得更快。为什么会出现这种差异？人们能否测量身份证上的年龄与每个器官生物学年龄之间的差距？
为回答这些问题，团队利用基因型—组织表达（GTEx）项目的数据，对来自983人的40种组织类型进行了分析，涵盖大脑、心脏、肺、胰腺、皮肤和肠道等，共获得25712张高分辨率组织学图像。团队借助深度学习模型分析发现，在40种组织中，年龄是影响组织外观的最主要因素之一。
基于这一发现，团队开发了针对不同组织的“组织时钟”，能根据组织微观结构预测器官的生物学年龄。这些模型的平均预测误差为4.9年，且预测出的生物学年龄与端粒缩短、组织病理变化以及慢性疾病数量等已知衰老指标密切相关。
研究发现，人体各器官并不是按照相同节奏衰老。肺、肾脏、胰腺和肾上腺等组织在20岁至40岁之间就出现较明显的加速衰老迹象，而一些组织则在更晚阶段出现加速衰老。子宫的衰老轨迹尤其明显，在绝经期前后出现显著变化。肾衰竭与多个组织中的加速衰老信号有关，糖尿病则对胰腺组织影响尤为明显。
由于直接获取器官组织通常需要活检，研究人员进一步探索能否通过血液样本“读取”组织衰老信息。他们将组织图像得到的生物学年龄与同一个体的血液基因表达数据关联，建立了基于血液样本预测特定组织生物学年龄的模型。
结果显示，这些模型能识别与阿尔茨海默病、克罗恩病、囊性纤维化、血管炎、糖尿病和卒中等疾病相关的组织衰老模式。
