AI与长寿：人工智能能否帮助人类理解衰老密码？

一个事实：AI正在用前所未有的方式分析衰老——从基因到蛋白到代谢，同时看整座城市的"老化地图"，而不是修一根水管。

一个边界：AI能发现规律，但不能证明因果；能找到靶点，但不能保证临床成功。发现关联不等于理解机制。

一个判断：未来最可能发生的不是人类活到120岁，而是80岁时依然健康。AI的价值不在延长寿命，而在延长"健康寿命"。

如果你认同以上判断，下面的分析会告诉你为什么。

过去200年，人类寿命经历了一次巨大跃迁。

疫苗减少传染病死亡，抗生素改变感染治疗，公共卫生改善生存环境，现代医学不断延长人的生命。

但这些技术解决的主要是：如何避免过早死亡。

而21世纪科学正在面对另一个问题：能否延缓人体自身衰老过程？

衰老并不是一种单一疾病，而是一个复杂的生物过程。它涉及基因表达变化、DNA损伤积累、细胞衰老、线粒体功能下降、免疫系统衰退、蛋白质稳态失衡、慢性炎症增加。这些变化共同推动癌症、阿尔茨海默病、心血管疾病、糖尿病等多种年龄相关疾病。

过去，科学家只能研究其中某一个环节。而人工智能正在带来一种新的可能：利用AI理解复杂生命系统，并寻找影响衰老过程的关键节点。

但需要明确：AI目前并不能"破解衰老"，它正在帮助科学家提高理解衰老和开发干预策略的能力。

一、为什么衰老成为AI最重要的挑战之一？

过去药物研发通常遵循：发现疾病→找靶点→设计分子→实验验证→临床试验。

但衰老不同，因为衰老不是一个单一疾病，它更像一个复杂系统。为什么有些人80岁仍保持较好的认知和运动能力？为什么同样年龄的人，疾病风险差异巨大？为什么某些动物寿命远高于人类？这些问题涉及数百万基因变化、数千种蛋白质关系、复杂代谢网络、长期环境影响。

传统实验方法难以同时处理如此庞大的变量。AI的优势正在这里：它可以处理基因组数据、蛋白组数据、单细胞数据、影像数据、电子健康记录、长期健康监测数据，帮助科学家寻找过去难以发现的模式。

传统生命科学往往关注单个基因、单个蛋白或单条通路，而衰老本质上是多个生物系统长期相互作用的结果。AI的价值并不是替代实验，而是帮助科学家在复杂生命网络中寻找隐藏规律。

打个比方：如果把人体比作一座城市，传统医学像是在修某一条坏掉的水管或电线。而衰老更像是整座城市的基础设施在同时老化——道路、电网、排水、通信都在缓慢衰退。AI的价值，是第一次让科学家有机会同时看到整座城市的"老化地图"，而不是只能盯着某一个故障点。

二、AI正在如何改变长寿研究？

1. AI理解衰老机制

过去科学家研究一个基因是否影响寿命。现在AI可以分析数万个基因×数万个个体×多组学数据。

例如，基于UK Biobank等大规模队列研究，科学家利用机器学习分析基因组、血液蛋白和临床记录，发现某些蛋白质组合在60岁后呈现非线性变化——这些变化可能标志着身体从"健康维持"向"衰老加速"过渡的临界点。这种发现是传统方法难以捕捉的，因为涉及的变量太多、相互作用太复杂。

2. AI寻找抗衰老靶点

衰老研究的重要问题是：哪些生物通路是真正可以干预的？

目前研究关注mTOR通路、AMPK、长寿蛋白（Sirtuins）、细胞衰老通路、表观遗传调控、线粒体功能。AI可以帮助从大量生命数据中寻找新的关联，例如哪些基因组合与健康老龄化相关？哪些分子可能逆转衰老相关变化？哪些药物可能产生新的适应症？

但必须强调：发现关联不等于证明因果。这是AI长寿研究必须面对的问题。

三、AI长寿正在形成多条技术路线

路线一：AI药物发现

全球已有多个由AI辅助发现的候选药物进入临床阶段，其中不少针对的是与衰老密切相关的疾病——如特发性肺纤维化、非酒精性脂肪性肝炎、阿尔茨海默病、心血管疾病等。这些药物本身靶向的是具体疾病，但科学家希望验证一个更深层的问题：如果某种药物能够干预衰老相关的核心通路（如细胞衰老、炎症、线粒体功能障碍），它是否也能影响更广泛的衰老过程？

这一策略的特点在于"以具体疾病为切入点"——先以特定疾病适应症获得监管批准和临床验证，再探索其对衰老生物学标志物的影响。这比直接开发"抗衰老药"更符合现有监管框架。包括英矽智能的Rentosertib（针对特发性肺纤维化）在内的多个AI辅助发现药物，正沿着这一路径推进。

路线二：AI生命科学基础模型

以AlphaFold、BioNeMo、百图生科等为代表，利用大模型理解生命科学数据。AlphaFold已预测超过2亿个蛋白质结构，为整个生命科学界提供了基础设施——这一路线的价值在于为所有生命科学研究提供底层能力，而非直接开发药物。

路线三：AI健康预测与个体化医学

通过可穿戴设备、多组学数据、电子健康记录，建立个人健康模型，从"治疗疾病"转向"预测风险"。

近年来，研究人员利用AI分析DNA甲基化、蛋白组和代谢数据，开发生物年龄时钟，试图回答一个问题：人的身体年龄是否真的等于身份证年龄？部分研究模型估算，有些人的生物学年龄比实际年龄年轻10岁，有些人则衰老得更快。这些差异可能反映真实的健康风险。

但目前这些模型更多用于风险预测和科研研究，并不能证明可以直接改变衰老速度。

四、全球AI长寿竞争格局

AI长寿已成为全球生物医药领域的重要方向。在美国，Recursion通过大规模细胞影像数据和自动化实验平台构建闭环，与拜耳、罗氏等药企合作。英矽智能（总部香港，研发中心覆盖中美等地）深耕衰老相关疾病领域，建立了从靶点发现到临床开发的AI制药链条。在中国，晶泰科技、百图生科、剂泰科技等企业也在推进AI辅助靶点发现和分子设计，但距离AI发现药物的大规模临床验证仍有距离。

相比部分欧美企业，中国企业在工程化能力、数据规模和产业链整合方面展现出差异化特点。例如，中国拥有庞大的电子健康记录系统和活跃的智能穿戴设备市场，这意味着未来在"AI健康预测"方向，中国可能拥有独特的数据规模优势。但将这些数据转化为经过严格临床验证的干预策略，仍需要大量时间。

五、最大的科学挑战：AI距离"理解衰老"还有多远？

挑战1：AI发现相关性，但生命需要因果性

AI可以发现某种分子模式在长寿老人中更常见，但这是否意味着这个分子导致了长寿？还是健康生活方式的结果？还是其他因素的伴随现象？AI可以帮助提出假设，但验证因果关系仍然需要传统实验。

挑战2：人类还没有完全理解衰老

衰老是多个系统相互作用的结果，不是单一靶点可以解释。即使AI找到大量关联模式，生命科学的根本问题——为什么——仍然需要实验回答。

挑战3：延长寿命≠延长健康寿命

真正的目标不是活到120岁，而是80岁仍保持健康。目前大部分研究关注的是如何延长寿命，但对"健康寿命"的理解仍然有限。

挑战4：缺少验证标准

目前"抗衰老药物"仍然缺少统一监管路径。如何证明一种治疗真正延缓衰老，仍是科学和监管难题。

六、未来十年：AI可能改变长寿医学，但不是创造"不死药"

更合理的未来不是AI发现一颗长寿药，而是AI帮助医学从"疾病治疗时代"进入"健康维护时代"。

未来可能出现：更早的疾病预测、更精准的风险管理、更个体化的治疗策略、更深入的衰老机制理解。

AI制药企业的探索只是AI长寿时代的一个缩影。真正重要的问题并不是某家公司是否能够制造"长寿药"，而是人工智能是否能够帮助人类第一次真正理解衰老。

长寿科学真正的目标，并不是制造"不死药"，而是让人类更早理解身体正在发生什么，并在疾病发生之前采取干预。AI不会替代生命科学，但它可能成为人类理解生命复杂性的第一个大规模计算工具。

如果说过去医学解决的是"如何活下来"，那么未来医学探索的可能是"如何更健康地老去"。

AI医疗 · 用最笨的方法做最扎实的内容

本文不构成任何医疗建议。

信源说明

AlphaFold蛋白质结构预测数据：DeepMind官方公开信息

英矽智能Rentosertib：公司公开披露信息

血浆蛋白组学衰老研究：基于UK Biobank等公开队列研究

全球AI制药企业布局：基于各公司公开信息

本文概念框架为作者基于公开信息的独立分析