一张脑图，就能看出你老得快不快！

有人年到八十思维活跃健步如飞，有人年纪轻轻就记忆力衰退（别骂了），真实年龄似乎并不能反映衰老水平。

最近，一项来自Nature子刊的研究不看你的身份证年龄，而看“脑年龄”。

研究团队整出了个叫DunedinPACNI的新指标，这项指标数值越高，就越预示了这个人可能要向着脑瓜子变迟钝、记性咔咔掉，甚至脑萎缩、患痴呆的方向发展了。

通过多维度实验，团队证实了DunedinPACNI的有效性。

哈佛医学院的计算生物学家Mahdi Moqri评价道：

虽然现在用于临床还早，但这项技术比传统的血液检测方法更有优势。大脑影像能直接反映结构性的变化，而血液指标可能捕捉不到这些细节。

目前，DunedinPACNI算法已开源，任何研究人员都可以从自己的MRI数据中生成分数。

或许该方法可以帮助大家更好地检测自身身体状况，合理调整生活方式。

衰老速度是怎么算出来的？

这项最新研究建立在著名的Dunedin研究之上。

Dunedin研究追踪了1037位出生于1972年4月1日至1973年3月31日的人从出生以来的生活过程。

每隔几年，Dunedin研究的研究人员就会寻找参与者测血压、体重指数、血糖、胆固醇、肺肾功能等指标的变化 ，甚至连牙龈萎缩和蛀牙都会记录。

而最新研究，利用了这些参与者在26岁、32岁、38岁和45岁四个时间点被反复测量的19项多系统生理衰老生物标志物，计算了这些生物标记物在二十年间的平均下降趋势。

由此，将生物衰老这一理论概念量化为了一个具体的测量指标，即“衰老速度”（Pace of Aging）。

如下图a所示，横轴为年龄，纵轴为生物标志物的平均得分，体现了这些指标随年龄增长的衰退趋势。三条虚线示例三种衰老速度：“慢”（衰退平缓）、“平均”（中等衰退）、“快”（快速衰退）。

而图b用颜色深浅展示了Dunedin研究参与者45岁时“衰老速度”的分布，红色代表衰老更快的人，蓝色代表衰老更慢的人，直观呈现人群中衰老速度的个体差异。

在此基础上，研究团队进一步训练了一个弹性网络（ElasticNet）回归模型来预测纵向衰老速度，最终形成了DunedinPACNI这一新型生物标记物。

具体来看建模过程，研究者选取了860名Dunedin研究参与者在45岁时的T1加权脑MRI（核磁共振成像）数据，利用FreeSurfer等专业影像分析软件，提取了315项结构性特征，包括大脑皮层厚度、表面积、灰质体积、灰白质信号强度比以及脑室体积等。

之后，他们采用弹性网络回归（Elastic Net Regression）建模方法（这是一种既能处理高维度数据，又能自动筛选特征、抑制过拟合的技术），通过十折交叉验证，不断优化模型参数。

最终从315项原始脑部指标中筛选出99项对生理衰老速度预测最有贡献的结构性特征，并将这些特征的加权系数固化为DunedinPACNI的最终模型。

团队通过大量训练集和验证集的划分实验，持续检验模型在样本内外的预测准确性。

训练完成后，DunedinPACNI便能够仅凭一次T1脑MRI扫描，通过内置的回归加权算法输出个体的相对生物衰老速度，实现从“结构性脑影像”到“全身纵向生物衰老速度”的预测。

多维度验证方法有效

为了评估DunedinPACNI的可靠性，研究人员将DunedinPACNI评分和与Dunedin研究数据集中的纵向衰老速度（Pace of Aging）相关联。

结果显示，DunedinPACNI与纵向衰老速度的样本内相关性为r=0.60，交叉验证分析得到的平均相关性为r=0.42，这一预测准确性与新一代表观遗传衰老生物标志物的表现相当。

而在参与测量的15项指标中，DunedinPACNI的效应量有12项落在纵向衰老速度的95%置信区间内，表明了DunedinPACNI和纵向衰老速度的内部相关性。

将指标与衰老的表型相关联，在Dunedin研究中，DunedinPACNI评分更高的成员平衡能力更差，步态更慢，下肢和上肢力量更弱，协调性更差；他们被报告的健康状况更差、身体限制更多；认知功能测试表现更差；经历更大的童年至成年期认知衰退；看起来更年长。

这些结果均表明了DunedinPACNI能够准确估计Dunedin研究数据集中的纵向衰老速度。

采用Haufe变换，通过计算各脑区指标与衰老速度的协方差来估计特征重要性评分，从神经生物学的角度来看，DunedinPACNI评分与皮质变薄、水分降低、脑室扩大等典型衰老模式相关。

这些结构特征既符合正常脑老化的MRI表现，也与神经退行性疾病的影像特征存在重叠，表明DunedinPACNI评分结果至少部分反映了典型的大脑衰老模式。

此外，使用HCP测试-重测MRI数据（n=45）来评估DunedinPACNI的重测信度，展现了优越的可靠性（ICC=0.94，95%CI=0.89-0.97）。

在验证了内部效度和重测信度后，研究人员还试图检验DunedinPACNI是否能够推广到新的数据集以检测与衰老相关的结果。

在ADNI和UKB中测试DunedinPACNI评分与认知障碍和认知功能的关联。

结果显示，在ADNI中，DunedinPACNI评分较高参与者，在用于筛查痴呆症的心理状态检查、记忆力测试、心理运动速度和执行功能测试中表现出更大的障碍（上图a）；类似的，在UKB中，DunedinPACNI评分较高的参与者在执行功能和心理运动速度测试中的表现也更差（上图b）。

接着测试DunedinPACNI能否在ADNI中区分正常与临床受损的认知功能。

结果显示轻度认知障碍（MCI）患者的DunedinPACNI评分比认知正常（CN）患者更高；痴呆症患者的DunedinPACNI评分比MCI患者和CN患者都高。

为进一步验证DunedinPACNI能否预测认知正常者的未来认知衰退，研究人员还随访了ADNI研究中624名首次扫描时认知正常的参与者，其中112人在长达16年的随访期内进展为MCI或痴呆。

分析结果显示，基线DunedinPACNI评分更高的CN参与者不仅更容易发展为MCI或痴呆，且进展时间更早（HR=1.49，P=0.005，95%CI=1.12-1.97），这意味着基线评分前10%的个体相比平均水平参与者，发生MCI或痴呆的风险增加了61%。

在701名首次扫描时诊断为MCI的参与者中进行类似分析，其中271人在随访期内进展为痴呆。

分析结果同样表明，基线DunedinPACNI评分更高的MCI患者更易转化为痴呆（HR=1.44，P<0.001，95%CI=1.26-1.65）。即使控制APOE ε4等位基因数量（散发性晚发型阿尔茨海默病的明确遗传风险因子）后，效应量仍保持稳定。

上述结果证明DunedinPACNI具有预测未来认知衰退和痴呆的可行性。

作为评估个体衰老速度的指标，DunedinPACNI应该能够反映大脑退化的纵向轨迹。

研究分析了来自ADNI队列的1302名参与者和UKB队列的4601名参与者的海马体萎缩轨迹。结果显示，基线DunedinPACNI评分更高的参与者在ADNI和UKB队列中均表现出加速的海马体萎缩，这一发现在控制APOE ε4等位基因数量后仍然成立。

表明DunedinPACNI评分具有预测海马体加速萎缩的能力。

作为一种从多个生物标志物的纵向评估中得出的衰老指标，DunedinPACNI还应该能够捕捉到所有器官系统健康下降的情况，而不仅仅是大脑。

为了验证这一假设，研究人员使用UKB将DunedinPACNI评分映射到虚弱、主观整体健康状况、新发与衰老相关的慢性疾病以及全因死亡率等指标上。

结果显示，DunedinPACNI评分更高的参与者的弗里德脆弱性指数（与年龄相关的能力储备和功能下降相关的常见压力源的脆弱程度）更高，并自我报告了较差的整体健康状况，这些关联并非由早期认知衰退或AD（阿尔茨海默病）的高遗传风险个体驱动。

患有与年龄相关的慢性疾病的参与者，DunedinPACNI 评分比没有患病的参与者更高，患有两种或两种以上慢性疾病终生患病率的参与者的DunedinPACNI评分比仅患有一种慢性疾病的参与者更高。

在扫描后（即基线）的最大随访期间9.7年内，共有827名UKB参与者报告至少有一种与衰老相关的慢性病新诊断，与同时期的关联性一致，基线时DunedinPACNI评分较高的健康参与者在后期更可能被诊断为慢性衰老相关疾病，前10%的参与者与平均水平相比，患慢性病的风险增加了18%或更多。

鉴于慢性衰老相关疾病人群的死亡率上升，研究人员还探究了基线DunedinPACNI评分是否预测全因死亡率，结果显示，基线 DunedinPACNI评分较高的UKB参与者去世更早，处于前10%的参与者与平均水平相比，死亡风险至少高41%，这些关联并非由早期认知衰退或AD的高遗传风险个体驱动。

综合来看，这些发现表明DunedinPACNI可用于评估整体健康状况，并评估未来慢性疾病和死亡的风险。

更多详情，感兴趣的童鞋可以查看原论文。

论文链接：

https://www.nature.com/articles/s43587-025-00897-z

GitHub：

https://github.com/etw11/DunedinPACNI

参考链接：

[1]https://www.nature.com/articles/d41586-025-02086-9

[2]https://www.sciencedaily.com/releases/2025/07/250702074312.htm

本文转载于快科技，文中观点仅代表作者个人看法，本站只做信息存储