从被动治疗到主动健康：菲鹏抗衰借力AI打造多模态衰老管理新体系

近日，“走出去，走进去——AI赋能IVD创新与海外破局”交流活动在上海腾讯滨江大厦举行。本次活动由全国卫生产业企业管理协会AI与数字孪生医学分会（CAIDM）、医学检验产业分会（CAIVD）携手智奥瑞和（上海）展览有限公司（CACLP），联合腾讯健康、IDEA创新生态联盟及创奇健康研究院共同主办。菲鹏生物抗衰中心负责人王娟应邀参与，并就《AI驱动的多组学衰老诊断与评估方案》进行专题分享，系统展示了菲鹏在AI与多组学交叉领域的创新成果与产业布局。

衰老被纳入医学范畴，预防成为健康管理核心

王娟在报告中阐释，衰老并非单一过程，而是涉及基因组不稳定性、端粒损耗、表观遗传改变、慢性炎症等14项生物学特征的复杂演进。这些特征随年龄增长日益显著，并与癌症、神经退行性疾病、心脑血管疾病等发生密切相关。她特别提到，世界卫生组织在ICD-11分类中已将“与衰老相关的内在能力下降”列为独立条目，这意味着衰老已从自然生理现象转变为可评估、可干预的医学课题。

在此背景下，菲鹏将抗衰老明确纳入预防医学体系，聚焦一、二级预防。一级预防面向尚未显现明显衰老迹象的人群，通过生活方式调整与环境干预延缓衰老进程；二级预防则针对已出现初期衰老特征的个体，力求实现早筛查、早干预，阻断相关疾病发展。王娟强调：“抗衰老的本质是推动主动健康，目标不仅在于延长生命长度，更在于维持生命质量与身心机能。”

多模态衰老评估体系：AI整合多组学数据，实现精准解析

围绕衰老评估的前沿进展，王娟介绍道，衰老时钟作为一种生物年龄预测工具，已从早期的表观遗传时钟，逐步拓展至蛋白质组、代谢组及影像时钟等多维阶段。菲鹏在此基础上，创新构建了“AI多模态复合衰老时钟”，通过融合组学数据、影像信息、临床体征等多源信息，并运用大语言模型与深度学习算法，建立起从宏观表型到微观分子的立体化评估框架。

“我们已研发包括血液时钟、表观时钟、影像时钟等在内的系列生物学年龄评估工具，”王娟表示，“借助AI算法模型，系统能够精准识别个体的衰老轨迹与模式，深入解析衰老的生物学机制，从而突破单一数据维度的评估局限。”

多组学数据爆发，AI建模迎来发展窗口

随着高通量测序成本持续下降，多组学数据正迎来规模化增长。菲鹏抗衰依托其生成式AI驱动的标志物发现平台PromptBio，整合基因组、表观组、蛋白质组及代谢组等多层次数据，通过生成式AI与大语言模型实现零代码、自动化、多智能体协同的标志物挖掘与模型构建。

王娟同时指出，当前衰老标志物研究仍面临若干挑战，包括提升标志物的功能机制明确度、检测灵敏性与特异性，以及建立适用于中国人群的CpG位点参考数据库等。

“我们正处在AI与多组学深度融合的关键阶段，”王娟总结称，“菲鹏将持续围绕‘采-集-管-监’一体化闭环，推动抗衰研究从概念走向科学，从标准化迈向个性化，助力实现‘不患病、少得病、晚生病’的健康愿景。”