编辑推荐：
随着老龄化社会的加剧，理解衰老过程、预防与衰老相关疾病至关重要。研究人员开展 “结合生物年龄（BA）和衰弱预测的可解释机器学习框架用于生物标志物发现” 的研究。结果表明，胱抑素 C（CysC）在 BA 和衰弱预测中均重要。该研究有助于揭示衰老机制，助力健康老龄化。
在人口老龄化的浪潮下，衰老相关的研究成为科学界关注的焦点。生物年龄（Biological Age，BA）和衰弱作为衡量人体衰老程度的重要指标，蕴含着衰老进程的关键信息。然而，当前对于二者的研究存在诸多不足。一方面，虽然已有不少机器学习（Machine Learning，ML）模型分别用于预测 BA 和衰弱，但缺乏将二者结合并利用可解释人工智能（eXplainable Artificial Intelligence，XAI）技术深入分析生物标志物的研究。另一方面，许多 ML 模型的 “黑箱” 特性使得其预测结果难以解释，尤其在医疗健康领域，理解预测背后的原因对临床决策至关重要 。为了填补这些研究空白，来自上海交通大学的研究人员开展了一项极具意义的研究。
研究人员利用中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）数据库中的数据，构建了一个综合分析框架。该框架结合 BA 和衰弱预测的 ML 模型，运用 XAI 中的 SHapley Additive exPlanations（SHAP）分析方法，旨在识别与衰老相关的血液生物标志物，并量化它们在预测模型中的相对贡献。
在研究过程中，研究人员使用了多种关键技术方法。首先，数据来源上，选取了 CHARLS 数据库 2011 - 2012 年基线调查数据作为训练集（n = 9702），2015 - 2016 年数据作为测试集（n = 9455）。其次，采用 4 种基于树的 ML 算法（随机森林 Random Forest，RF；梯度提升 Gradient Boosting，GB；CatBoost；极端梯度提升 eXtreme Gradient Boosting，XGBoost）进行模型训练和验证。对于数据处理，缺失值用均值插补，数据通过 min - max 标准化处理。为评估模型性能，BA 预测模型采用 R2 和平均绝对误差（Mean Absolute Error，MAE），衰弱状态预测模型则使用受试者工作特征曲线（Receiver Operating Characteristic curve，ROC）和曲线下面积（Area Under the Curve，AUC）。最后，运用 SHAP 技术解释模型并分析生物标志物的重要性。
在研究结果部分，首先是评估指标与特征重要性分析。在 BA 预测模型中，CatBoost 表现最佳，其 MAE 为 6.313，R2 达到 0.269 。在衰弱状态预测模型里，Gradient Boosting 表现最优，其 AUC 达到 0.95。其次，生物标志物的比较与解读方面，传统特征重要性分析显示，BA 预测中胱抑素 C（Cystatin C，CysC）最重要，衰弱预测中糖化血红蛋白（Glycated Hemoglobin，HbA1c）最重要。但 SHAP 分析表明，CysC 在 BA 和衰弱预测模型中均为最重要的生物标志物。此外，研究还发现一些生物标志物之间存在正负相关关系，如肌酐（Creatinine，Cr）与 CysC 在衰弱预测模型中方向相反，这可能为探索新的衰老相关联合指标提供线索。
在讨论部分，该研究提出的框架具有创新性，通过跨模型研究，有助于理解 BA、衰弱与生物标志物之间的关联，为开发针对性干预措施、促进健康老龄化提供了理论依据。从生物标志物角度来看，CysC 不仅与肾功能和炎症密切相关，在衰老过程中扮演关键角色，而且其水平监测对评估个体健康、预防衰老相关疾病具有重要临床意义。而 HbA1c 虽在传统特征重要性中对衰弱预测重要，但在 SHAP 分析中排名靠后，这凸显了不同分析方法的差异，也表明 SHAP 分析在更准确解释模型和生物标志物重要性方面的优势。
总体而言，这项研究构建的结合 BA 和衰弱预测的 ML 与 XAI 技术的框架，为衰老相关生物标志物的研究提供了新的思路和方法。通过挖掘关键生物标志物，有助于深入理解衰老机制，为未来预防和治疗衰老相关疾病奠定基础，对推动健康老龄化研究具有重要意义。
