《Ageing Research Reviews》：From self-quantification to predictive ageing: Digital twins as a framework for healthy ageing and longevity
编辑推荐：
健康衰老是一个动态过程，其特征是生理韧性（physiological resilience）的进行性丧失，而非疾病的离散性发作。在此，研究人员提出一个用于健康衰老和长寿的正式数字孪生框架（digital twin framework, DT framework
健康衰老是一个动态过程，其特征是生理韧性（physiological resilience）的进行性丧失，而非疾病的离散性发作。在此，研究人员提出一个用于健康衰老和长寿的正式数字孪生框架（digital twin framework, DT framework），将衰老视为潜在动态系统（latent dynamical system），而非静态生物标志物的集合。研究人员将衰老数字孪生定义为一种个体特异性的状态空间计算模型（state-space computational model），整合潜在衰老过程、可观察生物标志物、功能表型、环境暴露和干预扰动。该框架能够模拟衰老轨迹、进行干预的反事实测试，并明确区分瞬时生物标志物优化与衰老动力学的持久变化。研究人员描述了模型架构、关键状态变量、跨生物领域的系统耦合以及纵向验证策略。通过将数字孪生设计植根于真实高频衰老数据的结构，该方法为建模健康寿命和长寿提供了预测性且机制可解释的基础。
1. 衰老是一个动态的多系统过程
衰老是一个连续、多尺度的生物过程，涉及分子损伤的进行性累积、细胞与组织修复能力下降、器官间通讯改变以及生理韧性降低。衰老并非均匀推进，而是个体间及器官系统间高度异质，导致相近时间年龄下健康寿命差异显著。功能衰退往往先于临床可诊断疾病数年出现，因此衰老更适合被描述为一条轨迹而非一系列疾病事件。生物衰老不仅由分子损伤累积定义，还体现为生理储备和韧性的逐渐丧失，即面对代谢、炎症、环境等应激时维持功能并恢复的能力。由于这些过程高度异质，相似生物标志物值可能因潜在储备、代偿能力和恢复动力学的不同而具有不同生物学意义。在数字孪生框架中，这些特征可表示为相互作用的潜在状态，其轨迹随时间影响可观察生物标志物和功能表型。当前衰老评估多依赖静态或横断面指标，难以预测未来轨迹、评估干预持久性或识别韧性丧失等关键转变。高密度纵向监测虽在技术上可行，但缺乏能够将观测变化转化为长期衰老动力学预测的正式建模框架。
2. 研究方法和概念贡献
本文采用对纵向衰老研究、生物标志物研究、生理韧性、自我量化数据集和医学数字孪生建模证据的批判性概念综合，旨在回答一个核心研究问题：如何将可测量生物标志物的瞬时改善与潜在衰老轨迹的持久改变区分开来。通过整合这些先前分离的证据流，研究人员推导出一个状态空间框架，其中可观察生物标志物与潜在衰老过程相区分，干预被表示为扰动，韧性和跨系统耦合被动态建模。该框架产生关于干预持久性、生理韧性丧失以及短期生物标志物改善与长期功能结局之间分歧的可测试预测。
3. 纵向衰老队列和高密度自我量化数据集
纵向衰老队列为建模衰老的动态性和异质性提供了实证基础。巴尔的摩衰老纵向研究、英国纵向衰老研究和英国生物库等研究包含跨生物学、生理学、认知、功能和影像学领域的重复测量，能够评估个体内随时间的变化。这些研究显示了衰老轨迹的显著异质性，并强调了重复测量相对于横断面测量的价值。补充这些群体队列，以长寿为目标的自我量化举措提供了个体内部更高时间密度的观测。一个典型例子是Blueprint项目，它整合了代谢、心血管、炎症、功能、影像和表观遗传领域的重复测量。尽管这类个体数据集不具人群代表性，但它们展示了未来可能用于持续更新个体数字孪生的时间分辨率。类似纵向观测还出现在人类太空飞行等极端环境中，宇航员研究揭示了太空暴露引起的可测量表观遗传年龄响应，进一步强调了数字孪生框架在不同环境条件下建模生理适应和衰老相关生物反应的价值。
4. 心脏代谢标志物的快速可逆性
纵向数据显示，在饮食调整、运动及药物干预后，循环中的低密度脂蛋白胆固醇、空腹胰岛素、甘油三酯和肝脏脂肪含量显著降低。这些变化发生在数周至数月的时间尺度上，与既定的代谢可塑性一致。短期生活方式干预中同样可观察到类似量级的变化，表明这些标志物主要反映当前代谢状态而非累积衰老过程。因此，在数字孪生中，这类变量应被视为响应控制输入的可观察输出，而非衰老动力学的直接表征。
5. 炎症和免疫相关信号的调节
高频测量的C反应蛋白及相关炎症标志物在持续干预下表现出抑制。尽管慢性炎症与衰老相关，但这些标志物的快速下调提示其可能至少部分反映状态依赖性生理反应，而非免疫衰老的不可逆特征。若不建模免疫韧性或恢复能力，则无法推断炎症水平降低是代表免疫衰老进程减缓，还是需要持续干预的维持性抑制。
6. 功能表现改善
在结构化运动和睡眠优化干预下，可观察到最大摄氧量（VO
2 max）、静息心率、心率变异性和睡眠效率的改善。这些功能增益具有生理意义和临床相关性，但也已知会随着停止训练或行为改变而回退。因此，这些数据揭示了一个关键歧义：功能优化并不一定意味着衰老轨迹改变，而可能只是在持续努力下的表现提升。
7. 表观遗传时钟变异性
使用多种表观遗传时钟重复估计表观遗传年龄，可在相对较短的间隔内观察到可测量的下降。然而，表观遗传时钟是训练于人群水平关联的复合统计估计器，对细胞组成、炎症和代谢状态变化敏感。在该框架中，此类短期变化被解释为可能反映生理状态改变，而非必然指示潜在衰老过程的逆转。它们反而凸显了时钟对生理情境的敏感性，并强化了将其视为潜在衰老过程噪声投影的必要性。
8. 结构和解剖特征的稳定性
与快速变化的生物标志物不同，影像衍生的结构特征如动脉钙化、骨密度和器官形态，在相当长的观察期内可能比许多循环生化标志物变化更慢。快变生化标志物与慢变结构特征之间的分歧，说明了衰老的多时间尺度性质，这种性质无法由单层模型捕获。高密度自我量化数据中常见的变化，在数字孪生框架下被解释为可观察生理状态的瞬时变化，而非底层衰老轨迹的持久修改。
9. 为什么这些数据需要数字孪生框架
综合来看，这些案例揭示了人类衰老数据的三个关键特征：(1)不同生物领域以明显不同的时间尺度演化；(2)许多衰老相关生物标志物高度可逆，但不一定意味着底层衰老轨迹被修改；(3)可观察的改善不足以推断潜在衰老动力学变化。没有正式的计算框架，这些数据集本质上仍具歧义性：它们显示响应性而非持久性，显示优化而非因果性。数字孪生框架通过显式建模潜在衰老状态、转换动力学和系统耦合，帮助解释观察到的变化究竟是瞬时扰动还是衰老轨迹的持续改变。这些潜在状态提供了衰老标志物相互作用、生理储备进行性丧失和韧性下降的系统级表示，而非将单个标志物或生物标志物视为独立的生物年龄指标。该框架的概念贡献并非数字孪生方法论本身，而是围绕衰老研究中的一个核心问题进行重构，即区分可测生理状态的变化与衰老动力学底层的变化。健康衰老数字孪生被定义为个体特异性的状态空间计算模型，随时间与它所代表的生物系统并行演化。它包含：(1)代表未观察衰老过程的潜在状态变量；(2)对应可测生物标志物和功能表型的可观察变量；(3)控制潜在状态随时间演化的转换动力学；(4)代表干预和环境暴露的扰动算子；(5)捕获生理系统间相互作用的耦合函数。该数字孪生可表示为动态系统，其中可观察测量提供潜在衰老状态的部分信息，干预作为受控扰动。实践中，可通过状态空间建模或其他动态系统框架实现，模型参数随新数据不断更新，以细化预测和不确定性估计。
10. 模型架构
潜在衰老动力学层：该层捕获与累积生物衰老相关的过程，包括表观遗传漂移、线粒体效率、蛋白质稳态、免疫衰老和细胞应激反应。模型关注变化率而非绝对值，生物标志物的改善被解释为是否对应转换参数改变（即衰老减慢）还是暂时性状态扰动。
功能表型层：心脏代谢能力、肌肉骨骼表现、认知功能、自主神经调节和睡眠稳定性等功能结局被建模为潜在衰老状态的涌现特性。这些输出具有临床意义，比单纯分子标志物更直接地代表健康寿命。模型显式表示功能域之间的耦合，可在显性疾病显现前早期检测适应性的丧失。
干预响应层：干预被表示为修改状态变量或转换参数的扰动。该层纳入已知响应曲线、不确定性、个体间差异和时间依赖效应，可对收益递减和适应进行建模，从而模拟长期结局而非短期响应性。
权衡与系统耦合层：生理系统并非独立运行。该层捕获领域间的相互作用和权衡，使一个系统的改善可传播正面或负面影响至其他系统。这对识别激进优化策略的意外后果至关重要。
环境和行为背景层：身体活动、睡眠、心理社会压力、饮食和环境暴露等现实因素作为衰老动力学的持续调节因素。纳入这些变量使数字孪生能在现实条件下而非理想化假设下运行。
11. 可测试预测和验证策略
数字孪生框架的一个关键优势是产生可测试、可证伪的预测。例如：(i)短期生物标志物改善与长期功能衰退之间的分歧；(ii)识别额外干预产生递减或负收益的临界点；(iii)在临床疾病发作前预测生理韧性下降；(iv)相同干预在生命不同阶段应用会产生不同的长期结局。验证需要包含重复测量生物标志物、功能结局和暴露的纵向数据集。模型性能应通过前瞻性预测未来轨迹和干预响应的能力来评估，而非仅依赖回顾性拟合。验证还应评估校准、不确定性、对缺失数据和传感器误差的稳健性，以及跨独立人群的泛化性，而非仅关注预测准确性。
12. 转化意义
经过验证的健康衰老数字孪生能够支持预防策略的硅内测试，辅助个性化干预时机的选择，并为以健康寿命为中心的临床决策提供信息。在人群层面，聚合的孪生可通过识别具有可改变衰老轨迹的亚群来指导公共卫生策略。该框架还通过显式建模不确定性和干预极限来支持科学克制。
13. 伦理和实践考虑
衰老数字孪生引发了重要的伦理问题，包括数据隐私、透明度和公平获取。预测模型必须辅助而非取代临床判断，需要适当的治理框架以防止滥用。在可靠实施之前还需解决若干方法论挑战：纵向关联不一定确立因果性，区分衰老的因果驱动因素与相关生物标志物需要实验、准实验和机制证据；不确定性应明确表示在模型预测中，尤其是在数据稀疏、嘈杂或采样不规律的情况下；跨生物领域缺失数据和采样频率差异可能影响模型稳定性和解释；可穿戴设备测量还带来设备准确性、校准、依从性和技术随时间变化等挑战；可解释性对于临床决策至关重要，尤其是使用复杂机器学习方法时。最后，基于高度选择队列开发的模型可能无法推广到年龄、性别、祖先、社会经济状况、合并症或环境暴露不同的人群。因此，在模型支持真实世界健康衰老干预之前，必须进行独立且多样化队列的前瞻性验证，并仔细评估模型不确定性和泛化性。
14. 结论
健康衰老不能简化为个体生物标志物的优化或短期生理改善，它是一个以韧性和适应性演变为特征的动态系统过程。本工作的主要研究贡献是开发了一个可证伪的概念模型，将不同的纵向证据整合到一个共同框架中，用于区分生理优化与衰老动力学改变。该模型产生可通过重复生物标志物、功能结局和暴露数据前瞻性检验的假设。通过实现预测、反事实模拟以及显式区分瞬时优化与持久变化，衰老数字孪生为精准长寿研究和预防医学提供了科学基础。
