上海交大團隊開發 AI 代謝衰老指標，研究其與慢病及死亡風險的關聯

上海交通大学医学院附属仁济医院供图

《科学-转化医学》当期封面。

本报讯（记者江庆龄）上海交通大学医学院附属仁济医院教授卜军团队联合上海交通大学研究员钱昆团队，通过整合大规模临床人群、高通量代谢检测和人工智能（AI）分析，系统刻画了贯穿全生命周期的血浆代谢特征，并将代谢分子变化与慢性疾病、死亡风险及多病共存等临床结局相联系，为将血浆代谢组学作为一种可扩展且可进行临床解读的框架提供了证据。相关成果近日发表于《科学-转化医学》，并入选当期封面文章。

研究团队利用自主研发的高通量固相质谱检测与AI集成学习技术，分析了来自中国6个中心的18476名参与者的血浆代谢组，年龄覆盖1至96岁，随访约6年。在此基础上，团队描绘了从出生至衰老全生命周期的血浆代谢变化特征，筛选出56个代表性年龄相关代谢特征，并进一步揭示相关代谢指标与心脑血管、肿瘤等各种慢病，全因死亡风险及多病共存负担之间的联系。

团队进一步开发了一个名为“代谢组年龄加速”（mAA）的检测指标，旨在量化个体的代谢年龄及代谢状态相对于实际年龄的偏离。随着队列人群年龄的增长，该指标与高血压、脂肪肝、糖尿病等慢性疾病以及全因死亡风险的升高相关。在全因死亡分析中，mAA每增加一个标准差，对应的死亡风险约升高50%。

在此基础上，团队研究了一个疾病队列，并开发了名为“年龄偏差”的代谢指标。在患有更严重和全身性疾病的患者中，该指标的数值更高，并能预测多病预后及死亡风险。在纵向随访队列中，生活方式及慢性疾病管控对代谢衰老有影响。相关数据为健康生活科普和主动健康管控对衰老与慢病的影响提供了真实世界的证据。

这项研究为深入认识人体发育与衰老的代谢规律、探索基于血液分子信息的健康风险分层及个体化健康管理提供了新的科学依据，同时利用一管血浆的代谢特征检测，把衰老速度变成了可量化临床指标，从而达到临床监测与干预的目的。