可穿戴光电容积脉搏波衰老时钟：关联疾病与行为的生物标志物研究

《Nature Communications》：A wearable-based aging clock associates with disease and behavior

本研究针对传统衰老生物标志物依赖侵入性检测、成本高且难以长期追踪的瓶颈，开发了基于消费级可穿戴设备光电容积脉搏波（PPG）的衰老时钟PpgAge。通过对21万余名参与者累计1.49亿人天的纵向数据分析，研究者构建了能够精准预测实际年龄（健康队列平均绝对误差2.43年）的模型，并发现PpgAge年龄差（预测年龄与实际年龄差值）与心脏病、糖尿病等慢性病诊断率显著相关，且能独立预测新发心血管事件（风险比HR=1.464）。该技术首次实现无创、被动式日常衰老监测，为长寿研究及临床实践提供了可扩展的新工具。

　　

随着全球人口老龄化加速，精准量化生物学年龄已成为延缓衰老相关疾病的关键。然而，传统衰老生物标志物如DNA甲基化时钟需通过血液检测，临床心电图（ECG）或影像学检查存在成本高、侵入性强、难以频繁监测等问题，限制了其在日常健康管理中的应用。此外，个体衰老速率存在显著差异，临床中常通过“视觉年龄”粗略评估患者健康状态，但缺乏客观标准。这些瓶颈促使研究者探索更便捷、可长期追踪的衰老评估工具。

在此背景下，苹果公司联合学术机构开展了大规模数字健康研究“苹果心脏与运动研究（AHMS）”，利用智能手表采集的光电容积脉搏波（PPG）信号，开发了新型衰老时钟PpgAge。该研究发表于《Nature Communications》，通过分析213,593名参与者超过1.49亿人天的数据，首次证明消费级可穿戴设备可无创、低成本地实现衰老进程的日常监测。

关键技术方法

研究团队首先通过自监督学习（SSL）对1,723名参与者的1,999万段60秒PPG信号进行预处理，构建256维特征向量作为PPG表征。随后从自报无疾病、无服药史、无吸烟史的健康子队列（n=6,728）中，使用前30天PPG数据训练岭回归模型预测实际年龄，并在独立测试集验证。PpgAge年龄差经样条模型校正去除年龄依赖性后，用于关联疾病诊断、行为因素及纵向生理事件（如妊娠、心脏事件）。

研究结果

1. PpgAge精准预测实际年龄

在健康测试队列中，PpgAge对男性和女性实际年龄预测的平均绝对误差（MAE）分别为2.42年（95% CI 2.30–2.54）和2.45年（95% CI 2.22–2.71），显著优于基于心率（HR）和心率变异性（HRV）的模型（MAE>6年）。

2. PpgAge年龄差与疾病显著关联

年龄差分层分析显示，高年龄差（>6年）群体中，35–45岁男性心脏病诊断率为平均水平的3.46倍（95% CI 2.80–4.10），糖尿病诊断率为2.99倍（95% CI 2.74–3.23）。类似趋势见于心力衰竭、外周动脉疾病等心血管代谢疾病，而哮喘、癌症等关联较弱。

3. 年龄差独立预测新发疾病

Cox回归模型表明，校正性别、年龄、BMI、吸烟状态等混杂因素后，6岁年龄差可使动脉粥样硬化性心血管疾病（ASCVD）风险增加46.4%（HR=1.464），高血压风险增加62.0%（HR=1.620），效应强度堪比传统危险因素（如高胆固醇）。

4. 行为因素与年龄差相关

每日吸烟者年龄差显著高于非吸烟者（55–65岁男性差值为3.53年），且随年龄增长差异扩大。运动量与年龄差负相关：65–75岁男性中，最低运动量组年龄差为3.85年，最高组为1.34年。睡眠分析显示，REM潜伏期缩短、深睡眠时长增加与较低年龄差相关（OLS模型p<0.05）。

5. 纵向敏感性与生理事件同步

妊娠期女性PpgAge在中位升高3.56年（IQR 1.65–5.65），与表观遗传时钟报道一致。冠状动脉搭桥术（CABG）、心肌梗死等心脏事件后，个体PpgAge呈现1.7–2.5年的跃升，部分参与者表现为突发性变化。

结论与意义

本研究构建的PpgAge时钟满足Moqri等人提出的衰老生物标志物四大标准：无创可长期监测、精准关联实际年龄、优于实际年龄的疾病预测能力、对生理变化敏感。其创新性在于将PPG波形形态学特征（如重搏切迹消失）转化为可量化衰老指标，突破了传统HR/HRV模型的局限性。尽管存在依赖自报数据、缺乏死亡率终点等限制，PpgAge为长寿干预研究提供了高时空分辨率的评估工具，并有望整合至临床风险评分系统，实现个体化健康管理。