2023年6月24日，来自国家卫生健康委北京老年医学研究所的博士后倪晓琳作为第一作者，与河北大学中医药信息学实验室赵汉青主任合作，国家卫生健康委北京老年医学研究所的原慧萍副研究员和广西壮族自治区江滨医院胡才友院长作为共同通讯，以“Development of a Model for the Prediction of Biological Age”为题在Computer Methods and Programs in Biomedicine杂志发表了文章，他们运用人工智能将性别、DNA甲基化水平、端粒长度和特定生理生化指标整合分析，从多维、系统的角度成功构建了生物年龄的定性模型和定量模型，为早期精准的预测和定量评估个体健康状况提供新的技术产品，也为临床及时干预和延缓衰老及其相关疾病的发生和发展提供科学的参考依据。

研究首先通过生理生化指标评估个体健康状况，从0-109岁年龄的人群中筛选定义标准人群，并将其他个体与标准人群比较，定义个体的生物学年龄大于日历年龄或生物学年龄小于日历年龄。然后，将样本分为训练集和验证集，将筛选出的年龄相关的22个候选指标（DNA甲基化、端粒长度和特定生理生化指标），纳入人工智能分析(如线性回归、lasso模型、ridge回归、bayesian ridge回归、elasticity网络、k近邻、线性支持向量机、支持向量机和决策树模型等)，通过比较30种不同的分类算法模型，筛选出Bagged Trees可以最可靠的定性预测生物学年龄 (准确率为75.6%，AUC=0.84)。通过比较24种不同的回归算法模型，发现最可靠的生物学年龄定量预测模型是采用Rational Quadratic方法建立的 (R2=0.85, RMSE=8.731 years)。研究首次从多个维度，系统的构建了生物学年龄的定性模型和定量模型，为精准的健康和寿命预测提供了可能性。

课题组成员孙美琪参与合作研究，并贡献了统计学成果。 

原文链接：https://doi.org/10.1016/j.cmpb.2023.107686

参考文献：Ni, X., Zhao, H., Li, R., Su, H., Jiao, J., Yang, Z., Lv, Y., Pang, G., Sun, M., Hu, C., & Yuan, H. (2023). Development of a model for the prediction of biological age. Computer methods and programs in biomedicine, 240, 107686.  https://doi.org/10.1016/j.cmpb.2023.107686