科学家质疑衰老时钟临床价值，指出其定义模糊、验证不足、忽略不确定性，主张转向直接健康预测与大型健康模型。
衰老时钟真的有用吗？科学家掀桌质疑：别再拿“生物年龄”忽悠人了！
2025年12月，一篇来自俄罗斯斯科尔科沃科技学院、人工智能研究所和彼得罗夫斯基俄罗斯外科研究中心的重磅论文在《npj Aging》上提前发表（尚未最终编辑），标题直击灵魂：“我们真的需要衰老时钟吗？”
作者团队由Dmitrii Kriukov领衔，包括Evgeniy Efimov、Mikhail S. Gelfand、Alexey Moskalev与Ekaterina E. Khrameeva五位顶尖科学家。他们用近万字篇幅狠狠质疑当前火热的“生物年龄预测模型”——也就是我们常说的“衰老时钟”（Aging Clocks）——是否真的有价值。
这篇论文不仅回顾了从DNA甲基化到面部图像、血浆蛋白乃至X光片的各种“时钟”构建方式，还尖锐指出：这些模型存在定义模糊、临床验证不足、忽略预测不确定性三大硬伤。
更致命的是，科学家们直言：既然我们能直接预测死亡、多病共存、功能衰退等真实健康结局，为何还要绕道一个抽象、不可观测、甚至可能误导用户的“生物年龄”？这篇文章像一盆冰水，浇在了正热火朝天的长寿科技赛道上——如果你最近正沉迷于测甲基化年龄、做抗衰血检、甚至投资相关AI健康公司，建议你先冷静三分钟，把这篇拆解看完。
什么是“衰老时钟”？从科学神器到网红爆款的奇幻漂流
所谓“衰老时钟”，简单说就是用机器学习算法，通过分析你的一堆数据（比如血液里的DNA甲基化位点、尿液代谢物、常规体检指标，甚至你自拍的脸），来估算你“身体的真实年龄”——也就是“生物年龄”，和你身份证上的“实际年龄”区分开。
如果你40岁但生物年龄只有35，那恭喜你，你比同龄人更年轻；但如果你40岁生物年龄却50，那可能就该警惕了。这套逻辑听起来很科学，也极富传播力，因此近年来在学术界和消费市场双双爆火。从Horvath第一代甲基化时钟，到Levine的PhenoAge、Lu的GrimAge，再到用AI看脸估龄的FaceAge、用X光片预测年龄的Radiological Clock，各种“时钟”层出不穷。它们不仅被用于基础研究，还开始进入临床试验，甚至被一些高端体检机构包装成“抗衰评估神器”，价格动辄上万。
然而，这篇论文却泼了一盆冷水：这些花里胡哨的“时钟”，真的靠谱吗？真的比几十年来医生用的“CHADS2中风评分”“Frailty虚弱指数”甚至你自己知道的“三高指标”更有用吗？
生物年龄，是个“幽灵概念”：看不见摸不着，全靠算法自说自话
论文最犀利的观点之一，就是指出“生物年龄”本身是个“幽灵”——它不是自然界中可直接观测的实体，而完全依赖于构建它的模型。
换句话说，每个衰老时钟都在定义自己的“生物年龄”。你用GrimAge测出来是45岁，用PhenoAge测出来可能是48岁，用面部AI估出来又可能是50岁——那到底哪个是真的？没人能回答。
作者引用了生物年龄的四条“理想标准”：
（1）比实际年龄更能预测剩余寿命；
（2）比实际年龄更能预测慢性病发病时间；
（3）能区分同龄健康人和病人；
（4）单位必须是“年”。
但现实中，绝大多数时钟只验证了其中一两条，甚至只验证了“能不能准确猜出你几岁”——这恰恰是最大的误区！因为一个能精准猜年龄的时钟，在法医学上有用，但在健康管理上毫无意义。这叫“生物标志物悖论”：你越精准拟合实际年龄，就越失去了作为健康指标的价值。
真正的健康指标，应该是在“同龄人中找出更危险或更健康的那个”，而不是复述你早就知道的生日。
临床试验翻车实录：同一个干预，不同“时钟”给出完全相反结论
论文用真实临床试验数据狠狠打了“时光派”的脸。
比如著名的CALERIE试验——这是目前最严谨的长期热量限制研究，参与者坚持两年摄入比正常少25%的热量。
结果发现：DunedinPACE（衡量衰老速度的时钟）和PhenoAge（基于血液化学）显示显著减缓衰老；但GrimAge、Horvath、Hannum这些同样号称“第二代”的时钟却完全没变化！
更魔幻的是，Horvath时钟在另一项研究中居然显示“肥胖会加速肝脏衰老”，但在CALERIE中对热量限制却没反应。
这意味着什么？意味着这些“金标准”级别的衰老时钟，彼此之间根本不一致，甚至互相矛盾。
如果连顶级科学家都搞不清哪个时钟可信，那普通消费者花大钱测出来的“生物年龄”，到底是在反映健康，还是在反映算法的随机性？
论文作者尖锐指出：现在很多临床试验其实不是在用“时钟”评估干预效果，而是在用临床试验“测试时钟本身”——这根本本末倒置！我们是要靠工具理解世界，而不是用世界来调试工具。
四条健康预测路径大PK：专家打分、AI直连、衰老时钟、大型健康模型
作者系统梳理了预测健康结局的四种路径，并毫不客气地给衰老时钟打了低分。
第一条是“专家共识打分法”——比如麻醉前用的ASA评分、房颤患者用的HAS-BLED出血风险评分，甚至老年医学中的“虚弱指数”（Frailty Index）。这些方法透明、可解释、经过长期临床验证，缺点是依赖专家经验，可能忽略隐藏变量。
第二条是“AI直接预测”——用机器学习直接从原始数据预测死亡、住院、失能等结局，跳过“生物年龄”这个中间变量。这种方法在癌症预后、ICU死亡率等领域已广泛应用，优势是充分利用数据、不依赖主观权重，缺点是“黑箱”难解释。
第三条才是“衰老时钟”——先用数据预测一个“生物年龄”，再用这个年龄去预测健康结局。作者认为，这纯属多此一举：既然AI能直接预测死亡风险，为何非要绕个弯，引入一个模糊、不可靠的中间变量？
第四条则是未来之光——“大型健康模型”（Large Health Model, LHM），灵感来自大语言模型（LLM）。LHM将人的一生看作一连串健康事件（如“高血脂→动脉硬化→心梗→死亡”），通过海量纵向数据学习事件间的时序依赖关系，不仅能预测未来，还能模拟干预效果。论文甚至提到，已有研究证明，基于LLM推导的“生物年龄”在预测慢性病和死亡率上，已经碾压传统甲基化时钟。
未来属于LHM，而不是过时的“单一时钟”。
衰老时钟的两大范式：压缩信息 vs 整合风险——后者才可能是出路
面对质疑，作者并没有全盘否定，而是提出了一条可能的救赎之路：“第二范式”。
他们将现有衰老时钟分为两类。
第一范式，是把成百上千个生物标志物（如甲基化位点）压缩成一个数字——即“生物年龄”。这一范式的问题在于信息损失严重，且与健康结局脱节。
第二范式，则是先用各种模型（可以是AI，也可以是专家评分）分别预测多种老年病（如心梗、糖尿病、痴呆）和全因死亡的风险，再把这些风险“反推”成一个统一的“生物年龄”。比如，如果一个人的心血管风险、癌症风险、失能风险都相当于60岁人群的平均水平，那他的生物年龄就是60岁。这种定义下，“生物年龄”不再是神秘的黑箱，而是多种疾病风险的综合体现，完美契合“老年医学之父”Blagosklonny的名言：“所有老年病的总和，就是最好的衰老标志物。”
作者认为，只有转向第二范式，衰老时钟才可能具备真正的临床价值。但这也意味着，未来的“时钟”将不再是单一模型，而是由多个预测器组成的“集成系统”，甚至直接建立在LHM之上。
被严重忽视的致命问题：不确定性！所有“时钟”都该报误差范围
论文反复强调一个被99%的衰老时钟研究忽略的问题：预测不确定性。
你用血糖仪测血糖，它会显示“6.1±0.2 mmol/L”；血压计也会有误差范围。但几乎所有衰老时钟只给你一个冷冰冰的数字，比如“你的生物年龄是47.3岁”——却从不说这个数字有多可靠。
作者区分了两种不确定性：
一种是“数据内在噪声”（aleatoric uncertainty），比如同一个人重复抽血测甲基化，结果会有微小波动；
另一种更危险的是“模型外推风险”（epistemic uncertainty）——比如你用基于“健康成人血液”训练的时钟，去测“体外重编程的干细胞”，这根本就是“跨域预测”（out-of-domain），结果极可能荒谬。
论文举了个触目惊心的例子：有些研究用人类血液时钟去评估细胞重编程的“返老还童”效果，得出惊人结论。
但作者警告：这就像用“人体虚弱指数”去评估一台冰箱的健康状况——完全错位！他们提出铁律：“只在训练域内使用时钟”——血训练的，就只用于血；成人训练的，就别用于胚胎或动物。更理想的是，每个预测都附带置信区间，比如“你的生物年龄是47.3岁（95% CI: 42.1–52.5）”，否则极易引发用户过度焦虑或盲目乐观。
如果目标是理解衰老机制？那“时钟”可能跑偏了方向
除了临床应用，衰老时钟还被寄予厚望：帮助人类理解“衰老的本质”。
但作者指出，绝大多数时钟只是在“找相关性”，而非“找因果”。比如，第一代甲基化时钟可以用完全不同的甲基化位点组合，达到同样精准的年龄预测——这说明这些位点可能只是“衰老的乘客”，而非“衰老的司机”。
真正的机制研究，需要能区分“驱动因子”和“伴随现象”。虽然近年出现了基于PRC2复合物、转座子活性、表观遗传随机性等理论驱动的新型时钟，但仍是凤毛麟角。
作者建议：未来研究应将因果推断方法（如孟德尔随机化）与衰老时钟结合，并通过实验室扰动实验（如敲除某个位点，看寿命是否改变）来验证。否则，再多的AI模型，也只会堆砌出“精准但无意义”的相关性，无法触及衰老的根源。
科学家给普通人的忠告：别被“生物年龄”绑架，健康远比一个数字复杂
最后，作者对普通用户发出警告。如果你不是科研人员，只是为了“看看自己多老”而去测衰老时钟，请务必谨慎。
首先，绝大多数消费级检测未经严格验证；
其次，结果无法解释（你比同龄人老5岁，是因为熬夜？压力？基因？没人知道）；
最危险的是，忽略不确定性会带来心理冲击——看到“生物年龄50岁”就恐慌，看到“35岁”就放纵，这都极其不理性。
真正的健康评估，应该是多维度的：你的体能如何？睡眠质量怎样？慢性病控制了吗？认知功能还好吗？社会关系充实吗？这些远比一个算法生成的数字重要得多。
作者甚至建议：如果非要一个简化指标，老派的“虚弱指数”（Frailty Index）可能更可靠——它基于你是否有10项、20项、甚至40项健康缺陷，直观、可操作、有大量临床证据支持。
未来已来：大型健康模型或将终结“单一衰老时钟”时代
文章结尾，作者展望未来：随着电子健康记录（EHR）、可穿戴设备、基因组学等数据的爆炸式增长，“大型健康模型”（LHM）将成为主流。像BEHRT、Life2Vec、Delphi-2M这样的模型，已经能从数百万人的健康轨迹中，学习到复杂疾病演化的图谱。它们不仅能预测你十年后的死亡风险，还能告诉你“如果你把血压降到120以下，心梗风险会降低多少”。
在这种全景式模型面前，单一的“衰老时钟”显得格外单薄。未来的抗衰干预评估，可能不再依赖某个“生物年龄”是否下降，而是直接模拟干预对整个健康轨迹的影响。这不仅更科学，也更人性化——因为健康从来不是一维的，而是一个动态、多维、充满可能性的生命过程。
作者背景揭秘：一支横跨AI、生物信息与老年医学的跨界天团
这篇论文的作者团队堪称“梦幻组合”。
第一作者Dmitrii Kriukov来自莫斯科人工智能研究所，是ComputageBench（表观遗传衰老时钟开源评测平台）的创建者，专攻算法不确定性与模型可泛化性。
Evgeniy Efimov同样是AI与生物信息学专家。Mikhail S. Gelfand是俄罗斯科学院院士，计算生物学泰斗，以基因组进化与调控网络研究闻名。
Alexey Moskalev则是俄罗斯老年医学领军人物，彼得罗夫斯基外科研究中心长寿研究所所长，长期致力于衰老机制与干预研究。
Ekaterina E. Khrameeva来自斯科尔科沃科技学院，专长多组学整合与健康大数据。
这支队伍既有顶级算法工程师，又有资深老年医学家，更有系统生物学家——正因如此，他们才能从技术、临床、理论三重维度，对衰老时钟发起这场“降维打击”。