研究顯示：人體器官衰老快慢不一，血液或可測出

基于人工智能的『組織時鐘』，能從組織學圖像估算人體器官的生物年齡。奧地利科學院 CeMM 分子醫學研究中心與維也納大學路德維希·玻爾茲曼網絡醫學研究所（LBI-NetMed）的研究者表明，通過分析超過兩萬五千份、涵蓋四十種組織類型的樣本，器官在一生中衰老速度各異，而這些變化甚至可從血液樣本中 detect 到。

發表在《自然·醫學》的這項發現，為理解衰老提供了新框架，也可能為疾病監測與早期診斷開辟新路。有些人六十歲卻像四十五，有些人則超前于日歷——為什么？肝臟是否比大腦老得不同？能否測量護照年齡與每個器官生物年齡之間的差距？

CeMM 與 LBI-NetMed 首席研究者安德烈·倫德羅（André Rendeiro）領銜、歐內斯托·阿比拉、伊娃·布爾揚與鄭一敏共同一作的這項研究，朝回答這些問題邁出一大步。過往研究多聚焦 DNA 甲基化或基因表達等分子變化，該團隊則考察組織自身架構如何隨時間改變。

研究者借助基因型-組織表達計劃（GTEx）：它從 983 人收集四十種組織類型的樣本，從腦、心到肺、胰、皮、腸。這些被轉成高分辨率數字切片照片，揭示器官微觀架構。規模驚人：兩萬五千七百一十二張圖像、約四億八千萬圖像塊，用前沿視覺模型分析。

他們發現，器官架構像在無聲記日記：即便不專門教 AI，年齡也是塑造四十種組織外觀的最強單一因素。據此團隊開發了『組織時鐘』——為每類器官獨立估算生物年齡的預測模型。

這些時鐘平均預測誤差僅 4.9 年，且在捕捉組織特異性病理上優于既有基于 DNA 的衰老估計。重要的是，預測出的生物年齡與端粒縮短、組織病理及個體慢性病數量等衰老標志強相關。

倫德羅說，組織承載著關于衰老過程異常細致的記錄；結合組織學圖像與人工智能，我們能 detect 人眼不可見的生物衰老模式，并開始理解衰老如何在全身以不同方式展開。

分析顯示衰老并不均勻：肺、腎、胰、腎上腺在二十到四十歲間已現加速衰老跡象；其他組織軌跡更復雜，加速峰值出現得更晚。子宮在絕經前后出現尤其顯著的轉變。研究還發現組織特異性衰老與疾病或生活方式因素的強關聯：腎衰伴多組織加速衰老信號，糖尿病在胰臟影響顯著。

阿比拉說，突出的是每個器官衰老方式的多么不同，以及這如何顯現在組織架構中；深度學習讓我們讀出這些空間模式，把衰老捕捉為架構重塑，而非僅是分子漂移。組織時鐘既捕捉正常節奏，也標出 outlier——組織結構性轉變早于實際年齡的個體。

然而組織樣本并非總可采集。研究者把基于血液的基因表達譜，與同一人的組織學組織年齡差關聯，僅憑血液構建了組織特異性生物年齡的預測器。布爾揚說，這是概念性一躍：用從圖像學到的組織衰老語言，翻譯成常規抽血即可讀出的東西。

這些血液預測器成功識別出與多種疾病相關的衰老模式，包括阿爾茨海默病、克羅恩病、囊性纖維化、血管炎、糖尿病與中風。例如阿爾茨海默病中最強衰老信號特異地出現在腦，克羅恩病則在整個胃腸道加速衰老。

鄭一敏說，這項研究凸顯衰老不只是時序問題；不同器官以不同方式衰老，且似由全身與組織特異性因素共同塑造。結果表明組織架構整合了許多與衰老和疾病相關的分子與生理變化；未來這類方法可助力微創診斷，通過驗血監測器官健康與疾病進展。

該研究也展示了人工智能在病理與衰老研究中日益增長的潛力。大規模連接組織成像、基因表達與臨床數據，提供了衰老如何顯現于全身的綜合視圖。

兩萬五千份切片背后，是一臺默默讀完所有人微觀老相的機器；它比任何鏡子都更早知道誰在變老。

把組織學變成可量化時鐘，意味著『老了』不再是模糊感覺，而是一組可被追蹤的數字。

血液預測器的意義，在于把昂貴的活檢，替換成一次常規抽血就能窺見的器官檔案。

當阿爾茨海默的信號先出現在腦、克羅恩的信號鋪滿腸道，精準醫學才真正落到『哪個器官』而非『哪個人』。

衰老研究正從分子時鐘，走向架構時鐘——這是視角的一次升維。

未來體檢單上或許會多一行：你的腎，比你的實際年齡老了幾歲。

讀懂器官各自的老去，是人類第一次有機會在疾病之前，先與時間為敵。