MRI多器官AI衰老时钟精准预测健康风险期刊Nature MedicineNature 子刊IF58.7全球顶级生物医学期刊发表时间2026年1月在线发表2025年10月16日作者MULTI Consortium、Cao H、Song Z、Duggan MR、Erus G、Srinivasan D、Tian YE、Bai W、Rafii MS、Aisen P、Belsky DW、Walker KA、Zalesky A、Ferrucci L、Davatzikos C、Wen J哥伦比亚大学、宾夕法尼亚大学、帝国理工学院等DOI10.1038/s41591-025-03999-8PMID41102562————————————一、研究背景衰老是人类面临的最复杂的生物学过程之一。随着年龄增长不同器官的老化速度和模式存在显著差异有些人脑老身不老有些人则心老脑未老。这种器官间衰老的异质性是理解衰老相关疾病——从阿尔茨海默病到2型糖尿病——的关键线索。然而长期以来对器官老化的评估主要依赖血液生物标志物和表观遗传时钟这些方法虽然能够提供分子层面的衰老信息却无法直接反映器官的结构性变化 [1]。磁共振成像MRI是目前最强大的在体器官结构评估工具能够在无需侵入性操作的情况下精确测量大脑、心脏、肝脏、肾脏等多个器官的体积、形态和组织特性。近年来基于MRI的脑龄brain age预测已经成为神经科学和老年医学领域的研究热点通过深度学习算法将个体的脑MRI特征与大规模人群数据对比计算出脑龄差brain age gap即预测年龄与实足年龄之差作为大脑健康状态的量化指标 [2]。然而器官不是孤立的。2023年Tian等人在Nature Medicine首次证明多器官衰老具有高度异质性且与慢性疾病和死亡风险密切相关 [3]。2024年该团队进一步在Nature Aging上揭示了9个器官系统衰老的遗传架构 [4]。但一个核心问题始终悬而未决如何从单一的MRI扫描中同时精确量化多个器官的生物学年龄并将其与分子组学数据和临床终点建立系统关联2026年1月由哥伦比亚大学Junhao Wen教授领衔的MULTI Consortium在Nature Medicine发表了一项里程碑式研究 [5]。该团队利用来自313,645名个体的MRI数据开发了7个器官特异性AI衰老时钟MRIBAGs涵盖大脑、心脏、肝脏、脂肪组织、脾脏、肾脏和胰腺。更重要的是研究将这7个衰老时钟与2,923种血浆蛋白、327种代谢物和6,477,810个遗传变异进行了系统关联鉴定出53个MRIBAG遗传位点和9个潜在抗衰老药物靶点。二、研究创新点本研究在以下五个方面实现了根本性突破1. 首个基于MRI的多器官AI衰老时钟体系。此前的研究多聚焦于单一器官尤其是脑龄而本研究首次构建了涵盖7个重要器官的MRI衍生生物学年龄差距MRIBAG实现了从单器官衰老评估到多器官同步衰老画像的范式转变 [5]。2. 超大规模多组学整合。研究基于MULTI Consortium的313,645名个体数据将7个MRIBAGs与近300万种分子表型蛋白、代谢物、遗传变异进行系统关联鉴定出53个全基因组显著位点P 5×10⁻⁸并利用孟德尔随机化分析阐明了器官间衰老的因果调控网络 [5]。3. 药物靶点发现。通过功能基因定位和贝叶斯共定位分析研究团队从多组学证据中优先筛选出9个具有药物开发潜力的抗衰老靶基因为衰老干预药物的研发提供了精准的分子入口 [5]。4. 525种疾病终点关联。7个MRIBAGs与525种疾病终点进行了系统关联分析涵盖糖尿病、高血压、心血管疾病等常见慢性病并揭示了器官特异性衰老对不同疾病类别的差异化预测价值 [5]。5. 药物异质性响应发现。研究利用阿尔茨海默病临床试验数据solanezumab发现在240周的治疗周期中脑MRIBAG更年轻的患者与脑MRIBAG更老的患者呈现显著不同的认知衰退轨迹首次从影像衰老的角度揭示了药物响应异质性 [5]。三、技术原理MRI多器官AI衰老时钟的技术架构围绕四个核心模块展开体现了从影像采集到多组学整合再到临床验证的完整技术链条。模块一多器官MRI影像预处理。研究使用了来自UK Biobank等多个大型人群队列的313,645份MRI扫描数据。对于每个器官研究团队采用了一套标准化的影像预处理流程脑部MRI使用卷积神经网络进行组织分割和体积定量心脏MRI提取心室容积、心肌厚度等功能参数肝脏、肾脏、脾脏和胰腺则利用腹部MRI的深度学习分割算法提取器官体积和组织特性如肝脏T1值脂肪组织通过全身MRI量化皮下和内脏脂肪体积。所有影像表型均经过严格的质量控制和批次效应校正 [5]。模块二器官特异性AI衰老时钟训练。对每个器官研究利用该器官的MRI衍生表型作为特征以实足年龄作为训练标签构建器官特异性的深度学习/机器学习回归模型。模型训练完成后计算个体的预测生物学年龄与实足年龄之间的差值得到MRIBAG值。MRIBAG正值表示器官比同龄人更老负值表示器官比同龄人更年轻。关键的技术细节在于模型的偏差校正——由于回归均值效应极端年龄的预测值会向均值收缩研究采用了统计学方法对MRIBAG进行了去偏差处理 [5]。模块三多组学关联分析。这是本研究最具创新性的技术环节。研究将7个MRIBAGs与三个组学层次进行系统整合•蛋白质组学利用UK Biobank Pharma Proteomics Project的2,923种血浆蛋白数据通过全蛋白组关联分析Proteome-Wide Association Study鉴定与各器官MRIBAG显著相关的循环蛋白揭示器官衰老的体液标志物•代谢组学整合327种血清核磁共振代谢物分析器官衰老的代谢特征谱•基因组学利用6,477,810个常见遗传变异MAF 1%进行全基因组关联分析GWAS鉴定53个全基因组显著位点。在关联分析基础上研究进一步利用遗传相关性分析LD score regression和孟德尔随机化Mendelian Randomization推断器官间衰老的因果调控方向——例如孟德尔随机化证据支持大脑衰老可能通过神经-内分泌轴影响肝脏和肾脏衰老而肝脏衰老则通过代谢通路反向影响心脏 [5]。模块四药物靶点筛选与临床验证。研究整合了功能基因映射FUMA、贝叶斯共定位分析和STRING蛋白互作网络从53个遗传位点中优先筛选出9个具有可成药性的候选基因。在临床验证环节研究利用阿尔茨海默病A4临床试验solanezumab的纵向MRI数据发现脑MRIBAG能够识别出对药物可能产生差异化认知响应的患者亚群 [5]。四、实验结果1. 多器官MRIBAGs的基本性能。7个器官的MRI衰老时钟均取得了优异的年龄预测性能R²介于0.35至0.75之间因器官而异。不同器官的MRIBAG之间存在中度至低度的相关性Pearson r介于0.10至0.45证实了器官衰老的异质性——一个人的心脏可能比同龄人年轻5岁而肾脏可能比同龄人老3岁 [5]。2. 全基因组关联分析。研究鉴定了53个独立的MRIBAG全基因组显著位点P 5×10⁻⁸。其中多个位点具有器官特异性——例如与脑MRIBAG相关的位点富集于神经发育和突触功能通路与肝脏MRIBAG相关的位点富集于脂质代谢通路与心脏MRIBAG相关的位点富集于心肌收缩和离子通道通路。值得注意的是有11个位点显示跨器官多效性提示存在全身性衰老的共享遗传架构 [5]。3. 蛋白质组与代谢组关联。7个MRIBAGs与数百种循环蛋白和代谢物显著关联。其中GDF15生长分化因子15表现出最广泛的多器官关联——与脑、肝、肾、胰的MRIBAG均显著相关。GDF15是已知的衰老和线粒体功能障碍标志物这一发现为MRI衰老时钟的生物学有效性提供了强有力的外部验证。CHI3L1壳多糖酶3样蛋白1则显示出脑特异性关联与其在神经退行性疾病中的已知作用一致 [5]。4. 疾病风险预测。研究系统评估了7个MRIBAGs对525种疾病终点的预测价值。结果显示•代谢性疾病肝脏和胰腺MRIBAG单独预测2型糖尿病的风险比HR分别为1.42和1.35两者联合的预测性能优于单一器官。•心血管疾病心脏MRIBAG与心力衰竭、心房颤动和心肌梗死的发生风险显著相关HR介于1.25至1.68。•全因死亡率脑和心脏MRIBAG较高即器官比同龄人老的人群全因死亡率显著升高HR 1.3895% CI 1.29-1.48[5]。5. 药物响应异质性。在阿尔茨海默病A4临床试验的240周随访中脑MRIBAG更年轻的患者认知衰退速度明显慢于脑MRIBAG更老的患者P 0.003提示影像衰老程度可能影响抗淀粉样蛋白药物的治疗效果 [5]。6. 抗衰老药物靶点。通过多组学证据整合研究优先筛选出9个可成药基因其中包括mTOR信号通路相关基因和炎症衰老相关基因。这些靶点不仅包含了已知的抗衰老药物靶标如雷帕霉素靶点mTOR还发现了新的潜在干预位点 [5]。五、技术优势与既往研究相比MRI多器官AI衰老时钟具有以下显著优势1. 无创、可重复、无辐射。与基于血液的生物衰老时钟不同MRI不需要反复抽血也不受检测批次效应的影响且一次扫描即可同时获取7个器官的衰老评估大幅提升效率和可行度。2. 直接反映器官结构变化。表观遗传时钟和蛋白组时钟反映的是分子层面的衰老信号而MRIBAG直接测量器官的宏观结构变化如脑萎缩、肝脂肪变性、肾皮质变薄等这些变化与器官功能下降和疾病发生的关系更为直接。3. 器官间因果网络解析。通过基因组学和孟德尔随机化研究首次系统揭示了不同器官衰老之间的因果调控方向为理解衰老如何在不同器官间传播提供了机制假说。4. 临床可及性强。MRI虽然在成本上高于血液检测但在许多常规体检和疾病筛查中已在广泛应用。研究方法可直接整合入现有MRI检查流程不增加额外扫描时间。5. 药物研发中的潜在应用。MRIBAG作为衰老的影像生物标志物可用于抗衰老药物临床试验的入组分层和疗效评估帮助识别最可能从干预中获益的个体。六、应用前景1. 个性化衰老评估与健康管理。MRI多器官衰老时钟提供了一张器官级别的衰老地图使个体能够了解自己的哪个器官是短板从而进行有针对性的生活方式干预和定期监测。2. 疾病风险预警。在常规体检中整合多器官MRIBAG评估可实现对糖尿病、心血管疾病、阿尔茨海默病等常见衰老相关疾病的风险早期预警推动从已病治疗向未病预警的临床范式转变。3. 抗衰老药物临床试验优化。MRIBAG可用于抗衰老药物的受试者筛选和疗效评估尤其是识别生物学年龄较大但尚未发病的个体作为优先干预对象。A4临床试验中观察到的脑MRIBAG分层效应为此提供了初步证据。4. 药物靶点发现。9个优先筛选的可成药基因为抗衰老药物研发提供了高质量靶点库。特别是那些跨器官多效性基因有望成为全身性抗衰老的理想靶标。七、研究局限性与未来方向1. 人群代表性不足。目前数据主要来自欧洲裔人群UK Biobank为主体研究结果在亚洲、非洲和拉丁裔人群中的适用性有待验证。不同种族人群的器官衰老模式和遗传架构可能存在差异。2. MRI数据异质性。313,645名个体的MRI数据来自多个队列扫描仪厂商、场强和序列参数存在变异。虽然研究采用了标准化预处理和统计校正但数据异质性的残留效应不容忽视。3. 相关性不等同因果性。MRIBAG与疾病终点之间的关联主要来自观察性分析虽然孟德尔随机化提供了部分因果推断证据但无法完全排除混杂因素和反向因果。4. 成本与可及性。全身多器官MRI扫描的成本和时间投入远高于血液检测大规模人群筛查的卫生经济学可行性仍需评估。5. 纵向数据有限。目前分析以横断面数据为主纵向MRIBAG变化与疾病发生的时间关系尚需更多长期随访研究来阐明。团队已计划利用UK Biobank的第二轮影像数据进行纵向验证。八、结论MULTI Consortium在Nature Medicine发表的这项研究首次构建了基于AI和大规模MRI数据的7器官衰老时钟体系实现了从单器官到多器官、从影像表型到多组学整合的跨越。研究不仅鉴定出53个器官衰老遗传位点和9个可成药靶基因还系统揭示了器官衰老与525种疾病终点之间的关联并在阿尔茨海默病临床试验中初步验证了脑MRI衰老时钟对药物响应的分层作用。这一成果预示着AI驱动的医学影像正在从疾病诊断工具演变为衰老评估与风险预警平台为个性化衰老管理和抗衰老药物研发开辟了全新路径。参考文献[1] Argentieri, M. A. et al. Proteomic aging clock predicts mortality and risk of common age-related diseases in diverse populations. Nat. Med. 30, 2450–2460 (2024).[2] Bashyam, V. M. et al. MRI signatures of brain age and disease over the lifespan based on a deep brain network and 14,468 individuals worldwide. Brain 143, 2312–2324 (2020).[3] Tian, Y. E. et al. Heterogeneous aging across multiple organ systems and prediction of chronic disease and mortality. Nat. Med. 29, 1221–1231 (2023).[4] Wen, J. et al. The genetic architecture of biological age in nine human organ systems. Nat. Aging 4, 1290–1307 (2024).[5] MULTI Consortium, Cao H, Song Z, et al. MRI-based multi-organ clocks for healthy aging and disease assessment. Nat. Med. 32, 82–92 (2026). DOI: 10.1038/s41591-025-03999-8. PMID: 41102562.