AI「组织时钟」可从组织切片图像估算人体器官生物学年龄

奥地利科学院分子医学研究中心（CeMM）与维也纳大学 Ludwig Boltzmann 网络医学研究所（LBI-NetMed）联合团队在《自然·医学》（Nature Medicine）发表论文，提出基于深度学习的「组织时钟」（tissue clocks），可直接从组织切片图像估算人体各器官的生物学年龄，并进一步实现通过血液样本间接推断器官层面的衰老程度。这项研究将 AI 视觉模型应用于迄今最大规模的人类组织图像集合之一，为衰老研究与疾病早期监测提供了新框架。

研究规模与数据基础

研究团队使用了来自 GTEx（Genotype-Tissue Expression Project）的数据，覆盖 983 名个体的 40 种组织类型，包括脑、心、肺、胰腺、皮肤、肠道等。最终分析的高分辨率组织切片图像共 25,712 张，对应约 4.8 亿个图像块（image tiles），并采用当前主流的视觉模型进行处理。研究并未显式标注「年龄」信息进行训练，但模型发现，年龄是影响组织外观的最强单一因素。

「组织时钟」的核心能力

基于上述发现，团队针对每种器官独立构建了预测生物学年龄的模型「组织时钟」。其平均预测误差仅为 4.9 年，并在捕捉组织特异性病理变化上优于现有基于 DNA 甲基化的衰老估计方法。预测结果与多项已知衰老标志显著相关，包括端粒缩短、组织病理改变以及个体罹患慢性疾病的数量。

不同器官的衰老节奏并不一致

研究揭示出器官层面的衰老并非同步进行：

• 部分组织（如肺、肾、胰腺、肾上腺）在 20–40 岁之间就已出现加速衰老信号。
• 其他组织呈现更复杂的曲线，子宫在绝经期前后出现明显的衰老跃迁。
• 肾功能衰竭与多个器官的加速衰老信号相关，糖尿病则在胰腺中表现出尤为突出的影响。

共同第一作者 Ernesto Abila 表示：「不同器官的衰老方式差异极大，而这些差异会在组织结构中体现出来。深度学习让我们能够读懂这些空间模式，把衰老理解为一种结构重塑，而不仅仅是分子层面的漂移。」

从血液样本间接读取器官衰老

由于组织活检并非总能获取，研究进一步将同一批个体的血液基因表达谱与组织图像得出的「年龄差」相关联，构建了仅依靠血液即可预测组织特异性生物学年龄的模型。共同第一作者 Iva Buljan 将其称为「概念上的跨越」：将图像中学到的组织衰老语言，翻译为常规血检即可读取的信息。

这些基于血液的预测器成功识别出与多种疾病相关的衰老模式，包括阿尔茨海默病、克罗恩病、囊性纤维化、血管炎、糖尿病和中风等。例如：

• 阿尔茨海默病中，最强的衰老信号出现在脑组织。
• 克罗恩病则在整条消化道显示出加速衰老。

共同第一作者 Yimin Zheng 强调：「衰老并不仅仅是时间问题。不同器官以不同方式衰老，这些过程同时受到系统性因素与组织特异性因素的共同塑造。」

展望

该研究展示了 AI 在病理与衰老研究中的潜力。未来，这类方法有望通过常规血检实现对器官健康和疾病进展的微创监测，为早诊早筛提供新的生物标志物来源。