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 ε 4 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 ε 4 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

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

专属 AI 产品从业者的实名社群，只聊 AI 产品最落地的真问题   扫码添加小助手，发送「姓名 + 公司 + 职位」申请入群～

进群后，你将直接获得：

  最新最专业的 AI 产品信息及分析  

   不定期发放的热门产品内测码

   内部专属内容与专业讨论

点亮星标

科技前沿进展每日见