衰老是生命无法回避的进程，它像一场缓慢的 “系统退化”，让心血管、代谢、免疫等多个器官系统在数十年间逐渐衰退。但同样年龄的人，衰老速度可能天差地别：有人 40 岁仍充满活力，有人却已被慢性疾病缠身。这种个体差异背后，藏着健康与疾病的关键密码。

长期以来，科学家们一直在寻找能精准测量 “衰老速度” 的工具。如果能知道一个人衰老得有多快，就能更早预测疾病风险，甚至在不可逆的衰退发生前，测试抗衰老干预的效果。如今，这个目标有了突破性进展。

近日，发表在《自然・衰老》（Nature Aging）的一项研究中，杜克大学 Terrie E. Moffitt 团队基于著名的 “达尼丁研究”（Dunedin Study）数据，开发出一种全新的衰老测量工具 ——DunedinPACNI（根据神经成像计算的达尼丁衰老速度）。它只需一张大脑核磁共振（MRI）影像，就能估算出人体的纵向衰老速度，甚至能预测认知衰退、痴呆、慢性疾病乃至死亡风险。这一工具的出现，为衰老研究和临床实践打开了全新的大门。

DunedinPACNI：从大脑影像到衰老速度的 “翻译器”

要理解 DunedinPACNI 的革命性，首先要回到它的 “出身”—— 达尼丁研究。这项始于 1972 年的纵向研究，追踪了 1037 名同年出生的新西兰人，从出生一直到 45 岁。在 20 多年间，研究团队反复测量了他们的 19 项生物标志物，涵盖心血管、代谢、肾脏、免疫等多个系统。通过计算这些标志物随时间的衰退轨迹，科学家们提炼出一个量化 “衰老速度” 的指标 ——“衰老路径”（Pace of Aging）。

简单来说，“衰老路径” 就像给衰老装了一把 “尺子”：得分越高，衰老速度越快。比如，得分 1.2 的人，生理衰退速度比同龄人快 20%。但问题是，这个指标需要数十年的纵向数据，无法直接应用于日常研究或临床。

a，达尼丁研究中在 26、32、38 和 45 岁四个观察期内构成衰老速度的所有 19 种生物标志物的平均分数图。图中显示了 26 至 45 岁期间衰老速度相对较慢、平均和较快的人的假设个人轨迹。b，45岁时达尼丁研究成员的衰老速度分数分布。暖色代表衰老速度较快；冷色代表衰老速度较慢。c ，使用从 860 名 45 岁达尼丁研究成员收集的单次 T1 加权 MRI 扫描来训练弹性网络回归模型以预测衰老速度。我们将得到的测量结果称为 DunedinPACNI。d、将达尼丁研究中开发的达尼丁PACNI模型的回归权重应用于ADNI和UKB数据集中收集的T1加权MRI扫描，以得出达尼丁PACNI评分。然后将这些评分与衰老相关的表型关联起来。AL，附着丧失；Apo，载脂蛋白；BMI，身体质量指数；FEV 1，1秒内用力呼气量；eGFR，估计肾小球滤过率；HbA1c，糖化血红蛋白；HDL，高密度脂蛋白；hsCRP，高敏C反应蛋白；VO 2 max，最大摄氧量

DunedinPACNI 的诞生，就是为了破解这个难题。研究团队想：能不能从一张大脑 MRI 影像中，“读” 出一个人的衰老路径？

他们选取了达尼丁研究中 860 名 45 岁参与者的 T1 加权 MRI 影像，从中提取了 315 个大脑结构特征 —— 包括大脑皮层厚度、表面积、灰质体积、灰白质信号强度比，以及皮下灰质和脑室体积等。通过 “弹性网络回归模型”，他们将这些大脑特征与参与者的 “衰老路径” 进行关联训练，最终得到了 DunedinPACNI。

这个模型的准确性令人惊喜：在达尼丁研究样本中，DunedinPACNI 与实际衰老路径的相关性达到 0.60；经过 100 次交叉验证（每次用 90% 样本训练、10% 样本测试），平均相关性仍有 0.42，这一精度堪比目前最先进的表观遗传衰老标志物。

更重要的是，它的 “稳定性” 过关。在人类连接组计划（HCP）的 45 名参与者中，间隔约 140 天的两次 MRI 扫描计算出的 DunedinPACNI，重测信度高达 0.94（95% 置信区间 0.89-0.97）。这意味着，它不会因为扫描时间或轻微操作差异而 “变脸”。

从大脑特征来看，DunedinPACNI 的 “判断依据” 也符合衰老的普遍规律：衰老速度快的人，往往有更薄的大脑皮层、更小的皮层表面积和灰质体积、更低的灰白质信号比，以及更大的脑室体积 —— 这些都是正常衰老和神经退行性疾病（如阿尔茨海默病）的典型脑结构变化。

DunedinPACNI 是全身衰老的 “预警机”

DunedinPACNI 的价值，远不止于 “给大脑的衰老打分”。研究团队将这一工具应用到多个国际数据集后发现，它能像 “全身衰老预警机” 一样，预测从认知到身体、从当下到未来的多种健康风险。

在阿尔茨海默病神经影像倡议（ADNI）数据集中，1737 名平均年龄 74 岁的参与者接受了测试。结果显示：DunedinPACNI 得分越高（衰老越快）的人，在简易精神状态检查（MMSE）、阿尔茨海默病评估量表认知部分（ADAS-Cog）等测试中表现越差，记忆力、执行功能和心理运动速度也更弱。他们在日常生活中也更容易出现困难，比如理财、做饭等需要认知能力的活动。

a，衰老速度与 DunedinPACNI 之间的样本内相关性。暖色代表衰老速度较快，冷色代表衰老速度较慢。回归误差带代表 95% 置信区间。b ，比较 DunedinPACNI 和衰老速度与 Dunedin 研究的 860 名成员的身体机能、认知和主观衰老指标之间的关联的绝对效应大小。效应以标准化β系数表示，误差线为 95% 置信区间。c ， MRI 衍生的大脑特征与衰老速度之间的协方差。在模型训练中使用的 315 个大脑特征中，由于大脑指标之间的高度相关性以及为了减少过度拟合，将 216 个设置为零。最终模型中包含的 99 个特征在补充图1中进行了可视化。暖色表示与 DunedinPACNI 评分呈正向协变的特征（即数值越大表示衰老越快），而冷色表示与 DunedinPACNI 评分呈负向协变的特征（即数值越大表示衰老越慢）。对 DunedinPACNI 预测值估计无贡献的特征以灰色显示。CC，胼胝体；DC，间脑；IQ，智商；L，左；R，右

更关键的是，它能预测 “未来的衰退”。在 624 名起初认知正常的 ADNI 参与者中，DunedinPACNI 得分高的人，未来 16 年内转化为轻度认知障碍（MCI）或痴呆的风险显著更高 —— 得分前 10% 的人，风险比平均值高 61%。即使在已经是 MCI 的参与者中，得分高的人转化为痴呆的风险也增加 44%。

大脑结构的变化也被它 “看穿”。在 ADNI 和英国生物银行（UKB）中，研究团队追踪了参与者的海马体体积变化（海马体萎缩是认知衰退和痴呆的重要标志）。结果发现，DunedinPACNI 得分高的人，海马体萎缩速度更快 —— 这意味着，它不仅能反映当下的衰老状态，还能预示大脑结构的未来恶化。

令人惊讶的是，DunedinPACNI 对 “全身健康” 的预测力同样出色。在英国生物银行的 4 万多名参与者中，得分高的人更可能符合 “衰弱综合征” 的标准（比如体重下降、体力活动减少、肌肉无力），自我报告的健康状况也更差。

对未来疾病和死亡的预测同样精准：在基线时没有慢性疾病的 40753 名参与者中，DunedinPACNI 得分前 10% 的人，未来 9.7 年内患上心肌梗死、慢性阻塞性肺疾病、痴呆或中风的风险增加 18%；而在所有 42583 名参与者中，得分前 10% 的人，全因死亡风险比平均值高 41%。

更难得的是，它还能反映 “健康不平等”。在 ADNI 和英国生物银行中，教育程度低、收入低的人，DunedinPACNI 得分往往更高 —— 这与 “社会经济地位低的人衰老更快、更早面临健康风险” 的普遍规律完全吻合，说明它能捕捉到社会因素对衰老的深层影响。

为什么 DunedinPACNI 更胜一筹？

在 DunedinPACNI 出现之前，科学家们已经有了一些测量衰老的工具，比如表观遗传时钟（通过 DNA 甲基化估算衰老）和 “脑年龄差距”（通过 MRI 预测脑年龄与实际年龄的差值）。但 DunedinPACNI 的优势，让它成为 “下一代衰老标志物” 的有力竞争者。

a、b ，DunedinPACNI 与 ADNI（ a）和 UKB（b）中认知测试分数之间的横断面关联。a 、b ，效应以标准化β系数表示，误差线为 95% 置信区间。我们将绝对效应大小可视化，以帮助进行视觉比较和清晰度（原始效应大小见补充表2和3 ）。a和b中每个测试的确切样本量在补充表2和3中报告。c ，根据扫描时的认知状态，1,737 名 ADNI 参与者的 DunedinPACNI 分数的组间差异。中心线代表中位数。下铰链和上铰链分别代表第 25 和第 75 个百分位数。须线从铰链延伸出四分位距 (IQR) 的 1.5 倍。须线以外的数据绘制为单独的异常值。d，根据慢速、平均和快速基线 DunedinPACNI 评分分组，基线时 CN ADNI 参与者在随访窗口期间保持 CN 的相对比例的生存曲线。请注意，尽管最长随访时间为 16 年，但我们选择仅可视化 9 年的随访，因为 9 年后的审查量很大。扩展数据图4中显示了包含完整 16 年随访和标记审查点的图。ADAS-Cog，阿尔茨海默病评估量表-认知分量表 13；DSST，数字符号替换任务；FAQ，功能活动问卷；LogMemory，逻辑记忆测试；Matrix，矩阵模式完成；MMSE，简易精神状态检查；RAVLT，雷伊听觉视觉学习测试；Tower，塔式重排；TrailsA，连线测试 A 部分；TrailsB，连线测试 B 部分；VM，视觉记忆； WM，工作记忆。

与表观遗传时钟相比，DunedinPACNI 的最大优势是 “易获取”。表观遗传时钟需要血液样本和复杂的 DNA 甲基化分析，而许多神经影像研究并未收集血液样本，导致其难以应用。DunedinPACNI 只需常规的 T1 加权 MRI 影像 —— 这种扫描在大多数医院和研究中都很常见，这让它的普及门槛大大降低。

与 “脑年龄差距” 相比，DunedinPACNI 的预测力更强。在 ADNI、英国生物银行和拉丁美洲脑健康研究所（BrainLat）数据集中，它与认知功能、脑萎缩、衰弱、疾病风险、死亡率等指标的关联强度，要么与脑年龄差距相当，要么更显著。比如在预测死亡风险时，DunedinPACNI 的风险比是 1.32，而脑年龄差距是 1.24；两者结合时，风险比能提升到 1.50，说明它们捕捉的是衰老的不同维度，可互补使用。

它的 “通用性” 也经受住了考验。在 BrainLat 数据集的 369 名拉丁美洲参与者中（包括阿尔茨海默病、额颞叶痴呆患者和健康人），DunedinPACNI 能清晰区分患者与健康人，其效果与在北美人群（ADNI）中的表现相当。这意味着，它可能突破地域和人群限制，在不同种族、文化背景中发挥作用 —— 而这正是许多脑影像模型的 “短板”。

当然，DunedinPACNI 并非完美。它的训练样本主要来自欧洲 ancestry 人群，对其他种族的适用性还需更多验证；它目前只能在同一数据集中比较个体差异，无法跨数据集直接对比；此外，它依赖高质量的 MRI 影像，头动等因素可能影响结果。但这些局限，都可通过未来的研究逐步完善。

重新定义衰老研究的 “测量尺”

DunedinPACNI 的出现，不仅提供了一种全新的衰老测量工具，更重塑了我们对 “大脑与全身衰老” 关系的理解 —— 大脑不仅是思维的器官，更是全身衰老的 “镜子”。从一张大脑 MRI 影像中，我们能读到的不仅是神经元的状态，更是心血管、代谢、免疫等系统的衰老密码。

对科学家来说，它为抗衰老研究提供了 “加速器”。以往测试一种抗衰老药物，可能需要等待数年甚至数十年才能看到效果，而 DunedinPACNI 能快速反映干预措施是否真正减缓了衰老速度。对临床医生来说，它可能成为 “早筛利器”—— 在患者出现明显症状前，通过大脑影像识别出衰老加速的人，尽早干预。

a . ADNI（左）和 UKB（右）患者海马萎缩的个体化轨迹。暖色表示加速萎缩。b . 1,302 名 ADNI 参与者和 4,601 名 UKB 参与者的基线 DunedinPACNI 评分与加速海马萎缩之间的关联森林图。效应以标准化β系数表示，误差线为 95% 置信区间 (CI)。HC，海马

从达尼丁研究的 longitudinal 数据，到一张 MRI 影像的 “瞬间解码”，人类对衰老的测量精度不断提升。或许在不久的将来，像 DunedinPACNI 这样的工具会走进寻常医院，每个人都能通过一次简单的脑扫描，知晓自己的衰老速度，从而更主动地守护健康。

衰老或许不可逆转，但通过精准测量，我们终将学会与它 “和平共处”。