当前全球老龄化进程持续加速，全球65岁及以上人口已突破8亿，预计2050年将增至16亿。人口结构的转变使得慢性疾病、身体衰弱、神经退行性病变、心血管疾病等老年相关病症负担急剧加重，全球医疗与社会体系面临巨大压力。如何精准延长健康寿命、缩小寿命与健康寿命之间的差距，成为老年科学领域的核心命题。

衰老本身是由原发性、拮抗性、整合性三大类共12项核心特征交织形成的非线性复杂过程，传统还原论研究方法难以解析不同衰老特征间的联动关系；同时，衰老相关生物标志物筛选、抗衰老药物研发周期漫长、老年个体异质性高、临床照护难度大等一系列行业痛点，严重制约领域发展。

近日，老年医学领域顶刊Ageing Research Reviews发表重磅综述文章“Artificial intelligence across the aging continuum: Mechanistic geroscience, therapeutic innovation, and clinical impact”，中欧创新医药与健康研究中心（以下简称“中欧医药中心”）研发工程师Lucy Wanjiru Njunge、中国科学院深圳先进技术研究院研究员、深圳市先进医疗技术概念验证中心主任於邱黎阳为本论文的共同通讯作者。

照片由左向右：中欧医药中心研发工程师Lucy Wanjiru Njunge、深圳先进院研究员、深圳市先进医疗技术概念验证中心主任於邱黎阳

技术底座：分层AI架构破解衰老研究复杂度

衰老多维度、非线性的生物学特性，对数据分析能力提出极高要求。本研究梳理并构建了一套适配老年科学研究的分层AI技术体系，整合机器学习、深度学习、生成式AI、大语言模型与可解释AI五大模块，明确不同技术的应用边界与协同逻辑，为解析衰老机制提供核心技术支撑。

这套分层架构可融合多组学、空间生物学、医学影像、临床随访等多模态数据，精准拆解传统方法无法识别的衰老特征互作关系，成为连接衰老基础研究与转化应用的关键桥梁。

图1：衰老研究AI分层架构示意图。底层机器学习用于生物年龄预测、初步靶点筛选；卷积神经网络、循环神经网络等深度学习模型挖掘多组学、病理影像中的隐性生物信号；生成对抗网络、变分自编码器等生成式AI可合成生物学数据，解决样本稀缺问题；BERT类大语言模型负责文献挖掘与知识整合；SHAP、LIME等可解释AI工具打破模型“黑箱”，保障结果的生物学可信度。

精准解码：AI全方位挖掘衰老特征生物标志物

文章基于学界公认的衰老三大特征层级，系统性验证了AI在生物标志物挖掘中的核心价值，实现从分子、细胞到组织、机体多尺度的衰老信号捕获。

针对原发性衰老特征，研究证实DARC Sign、DeepHRD等AI模型可精准识别DNA修复缺陷，TLPath、TeloSeq能够解析组织特异性端粒损耗规律；基于DNA甲基化的AltumAge、DeepMAge等AI衰老时钟，可跨病症精准评估人体生物年龄。针对线粒体功能异常、细胞衰老等拮抗性特征，MoDL深度学习模型可预判线粒体功能状态，SenPred、DeepScence等工具能高精度识别衰老细胞及其异质性表型。针对干细胞衰竭、细胞通讯紊乱、肠道菌群失调、炎症衰老等整合性系统特征，图神经网络、微生物组AI模型、iAge炎症衰老时钟等技术，成功厘清了全身系统性衰老的分子规律，大幅提升标志物的预测效能。

图2：衰老病理传导链路：基因组不稳定、端粒损耗等原发性损伤触发拮抗性细胞应激，最终引发干细胞耗竭、慢性炎症等系统性整合病变；依托多组学、影像、临床检测等数据，AI可输出生物标志物、衰老时钟、治疗靶点等一系列可落地的科研与临床成果。

研发提速：AI重塑抗衰老药物全流程

区别于传统对症药物，抗衰老保护剂（Geroprotector）以衰老核心机制为靶点，可同时干预多种老年合并症。AI技术贯穿该类药物从靶点发现到临床试验的全流程，彻底革新传统研发模式。

在靶点与药物-互作预测环节，PandaOmics、图神经网络等平台锁定衰老与肿瘤、神经退行性疾病的共用靶点；KG-NFM等模型有效解决蛋白“冷启动”难题，精准预测药物作用位点。在化合物筛选与分子设计层面，GENTRL、GAN等生成式AI可从头设计多靶点候选分子，Kaempferol、α-阿米林等天然活性成分也通过AI高通量筛选被证实具备抗衰老活性。同时AI还支持上市药物跨适应症重定位，大幅降低研发成本。

目前多款AI设计的候选药物已进入临床试验阶段，如靶向肺纤维化的INS018_055、抗肿瘤的EXS−21549等，覆盖纤维化、代谢疾病、眼底病变等衰老相关疾病。此外，AI还可优化临床试验受试者招募、预判试验结局，有效解决老年受试者合并症多、异质性强的难题。

落地民生：AI构建智慧老年医疗服务体系

在临床与居家照护场景中，AI结合物联网技术形成完整的智慧老年健康管理体系。智能穿戴设备、环境传感器可实现生理指标、行为状态的连续监测，提前预警跌倒、功能衰退等风险；临床预测模型能够评估老年衰弱、多病共存风险，同时预警多重用药不良反应。

康养机器人、运动辅助设备助力老年人开展康复训练；VR交互系统、AI陪伴终端可锻炼认知功能、缓解老年孤独感。依托数字表型、数字孪生等技术，AI实现了老年健康的预测-干预-随访全流程管理，推动老年医疗从被动治疗转向主动健康管理。

同时，我们需要理性审视AI衰老研究的技术挑战与伦理困境，客观剖析当前AI应用的短板，并结合老年人群特性提出伦理治理框架，为领域规范化发展指明方向。

图3：智能家居、智能穿戴、临床平台等AI应用载体，标注算法偏见、数字老年歧视、数据隐私、老年自主权益等核心风险，明确需以透明、公平、人格尊严为核心搭建伦理治理体系。

技术层面，衰老数据集易受批次效应、混杂变量干扰，小样本问题易导致模型过拟合，输出虚假生物学关联；多数深度学习模型可解释性不足，也阻碍成果转化。对此研究提出，需强化数据质控，结合SHAP、LIME等可解释AI，并建立“细胞实验-模式生物-人体队列”层级化验证体系。伦理与基建层面，训练数据不均衡易引发算法偏见与数字老年歧视；老年高敏感健康数据存在隐私泄露风险，全球算力、数据资源不均也进一步拉大健康差距，亟需完善隐私保护、行业监管与普惠化基础设施建设。

本综述完整勾勒出AI赋能老年科学的全产业链图景，证明AI能够将衰老从描述性生理现象，转变为可解析、可调控、可干预的动态生物学过程。研究提出的数据质控-可解释分析-多层级验证-伦理治理一体化发展思路，也为全球AI老年科学研究建立了规范参考。

面对全球老龄化加剧、老年慢性病高发、健康寿命不足、医疗照护负荷激增等一系列严峻挑战，中欧医药中心已锚定先进治疗、数字健康、长寿医学三大核心技术方向布局攻坚：

• 依托长寿医学深挖衰老底层机制，破解传统研究难以解析衰老复杂特征的困境，致力于缩小大众寿命与健康寿命的差距；

• 发力先进治疗赛道，聚焦老年多病共存、衰老相关难治性疾病，借助人工智能加速创新药物与靶向疗法研发，突破传统对症治疗的局限；

• 布局数字健康领域，打造智能化健康管理与诊疗体系，缓解全球医疗资源紧张、老年居家照护难等现实问题。

  
  

此项研究恰好与中欧医药中心三大技术规划高度契合，本文以衰老核心特征为框架，系统梳理人工智能（AI）在老年机制科学、抗衰老药物创新、老年临床诊疗全链条的应用体系、技术原理、实践成果，并深度剖析技术瓶颈、伦理风险与解决方案，充分展现中欧医药中心在AI +老年健康交叉领域的前沿学术实力与研发能力。