一项由美国杜克大学、哈佛大学与新西兰奥塔哥大学团队合作的研究，在《自然·衰老》杂志上发表，推出了一种基于脑部扫描图像的新工具。该工具能够在中年时期评估个体的“加速衰老”程度，并预测其未来罹患痴呆、心血管疾病、肺病乃至早逝的风险。研究基于“达尼丁研究”的数据，利用人工智能模型“DunedinPACNI”分析脑部核磁共振图像，从而估算个体的衰老速度。该模型在不同人群中均表现出良好的预测能力，为健康风险预警和干预提供了新的可能性。

🧠 该研究团队开发了名为“DunedinPACNI”（达尼丁图像脑龄模型）的人工智能模型，用于评估个体的衰老速度。该模型基于脑部核磁共振图像，仅需一张扫描图像即可进行评估。

👴 研究使用了“达尼丁研究”的数据，该研究自1972年至1973年间持续追踪了1037位出生于达尼丁的人。研究人员对参与者进行了包括心血管、代谢、免疫、认知等多方面的健康检查。

💡 DunedinPACNI模型不仅能预测认知能力下降和痴呆症的风险，还能预测心血管疾病、肺病等老年常见病，甚至早逝的风险。研究发现，衰老加速者患慢性病的风险高出18%，死亡风险高出约40%。

🔬 为了验证模型的普适性，研究团队将其应用于来自英国生物样本库42583名参与者及阿尔茨海默病神经影像计划（ADNI）中1737份脑图像数据。结果表明，该模型在不同人群中均表现出良好的预测能力。

    科技日报北京7月2日电 （记者张佳欣）美国杜克大学、哈佛大学与新西兰奥塔哥大学团队在最新一期《自然·衰老》杂志发表论文，公布了一项基于脑部扫描图像的新工具，其不仅能在中年阶段判断一个人是否“加速衰老”，还能预测他未来罹患痴呆、心血管疾病、肺病甚至早逝的风险，有望成为健康风险预警和干预的新手段。

    为更精准地衡量衰老过程，科学家一直在努力开发各种“衰老时钟”。此次，团队利用了新西兰“达尼丁研究”的数据。该研究自1972年至1973年间，对1037位出生于达尼丁的人进行持续追踪。参与者自出生起每隔数年就接受健康检查，包括心血管、代谢、免疫、认知等多方面指标的评估。

    在此基础上，团队利用860名参与者在45岁时采集的脑部核磁共振图像，训练出一种人工智能模型，名为“DunedinPACNI”（达尼丁图像脑龄模型）。该模型只需一张脑部扫描图像，即可估算个体的衰老速度。

    为了验证模型的普适性，团队又将其应用于来自英国生物样本库42583名参与者及阿尔茨海默病神经影像计划（ADNI）中1737份脑图像数据。结果发现，该模型在不同人群中均表现出良好的预测能力。

    按照DunedinPACNI的标准，衰老得更快的人在认知测试中的表现更差，并且海马体萎缩得更快，更容易在未来几年内罹患痴呆症，并更早出现记忆力与思维能力下降症状。研究还发现，“加速衰老者”不仅大脑功能下降明显，整体健康状况也更糟。他们罹患心脏病、中风、慢性肺病等老年常见病的概率显著升高，在几年内被诊断为慢性病的风险高出18%，死亡风险则高出约40%。

    团队表示，这一工具离临床应用仍有一段距离。未来需进一步验证模型在不同年龄层、种族和设备环境下的稳定性与准确性。