伦敦国王学院的研究人员近日宣布，他们成功开发了一种基于人工智能的“衰老时钟”，该工具能够通过分析血液中的代谢物数据，预测个体的健康状况和寿命。这一突破性研究利用了英国生物样本库中超过22.5万名参与者的血液标记数据，参与者年龄在40至69岁之间。

研究团队训练和测试了17种机器学习算法，发现非线性算法，特别是Cubist回归模型，在预测生物年龄方面表现最为出色。科学家们引入了“MileAge”代谢组年龄的概念，通过观测血液新陈代谢过程中产生的小分子，来评估个体的生物年龄。MileAge delta则是指MileAge与实际年龄的差值，用于指示生物衰老是处于加速还是减速状态。

研究发现，MileAge大于实际年龄的个体，通常身体更虚弱，更容易患慢性疾病，自评健康状况较差，且死亡风险更高。这些个体也拥有更短的端粒，这是细胞衰老的标志，与动脉粥样硬化等老年疾病相关。

该研究的主要作者朱利安・穆茨博士表示：“代谢组学衰老时钟有可能帮助我们了解哪些人在晚年可能面临更大的健康问题风险。与无法改变的实际年龄不同，我们的生物年龄是可以改变的。这些时钟为生物医学和健康研究提供了生物年龄的替代衡量标准，这可以帮助塑造个人的生活方式选择，并为卫生服务机构实施的预防策略提供信息。”