组织时钟：AI从病理切片估算器官生物学年龄，血液可预测8种疾病组织衰老

核心要点

• 问题：衰老是慢性病的首要风险因素，但不同器官衰老速率各异，传统研究多聚焦分子层面，难以从组织结构层面系统监测器官特异性的衰老与疾病。
• 方法：用深度学习分析GTEx队列983人、40种组织、25712张全切片病理图像，为每个器官构建可预测生物学年龄的"组织时钟"。
• 结果：组织时钟平均预测误差4.9岁，并与端粒缩短、亚临床病理和合并症相关；还能从血液样本预测组织特异性年龄差距。
• 意义：为器官级衰老监测与疾病早筛提供新框架，但属横断面研究，尚不能推断因果或直接用于临床诊断。
• 原文：Histological aging signatures for monitoring tissue-specific aging and disease，Nature Medicine，2026年8月14日（PMID: 42601488）

衰老的临床挑战：器官各按各的节拍老去

衰老（aging）是慢性病的首要风险因素，其特征是人体组织发生深刻的结构与架构重塑。临床上，同样60岁的两个人，器官状态可能相差十年以上——但医生目前缺少从组织结构层面量化这种差异的工具。

传统的衰老研究面临三方面局限。一是动物模型因生理、寿命与环境暴露差异，难以完整反映人类衰老的复杂性。二是人类纵向研究往往集中于易获取的器官，容易忽略身体各系统衰老的全貌。三是主流研究聚焦细胞与分子层面（如DNA甲基化、基因表达），虽然重要，却可能忽视细胞、微解剖结构与器官水平在整个生命周期中的复杂相互作用。

还有一个关键难点：如何区分病理性改变与正常衰老。这使年龄相关疾病起始机制的识别变得困难。要破解这些难题，就需要跳出对单一基因或细胞的关注，转而用整体视角审视组织的微观结构——这正是这项发表于《自然·医学》（Nature Medicine）的研究所做的事。

组织时钟的三项核心创新

这项研究由奥地利科学院分子医学研究中心（CeMM）André F. Rendeiro团队完成，共同第一作者为Ernesto Abila、Iva Buljan与郑易民，其核心创新有三点。

一、把衰老研究从分子层面转向组织结构。 过去评估生物学年龄主要靠DNA甲基化时钟等分子手段，本研究则用深度学习直接量化组织切片中的形态与结构改变，捕捉衰老的"建筑学"特征，而非仅仅是分子漂移。

二、为每个器官建立专属的组织时钟。 研究为40种组织类型分别训练预测器，系统评估各器官的生物学衰老速率，识别出组织特异性的年龄加速及其与人口学、生活方式、医学因素的关联。这比单一全身时钟更能刻画器官间的差异。

三、实现"血液到组织"的转化。 研究者把组织学与转录组数据配对整合，训练出可直接从血液样本预测组织特异性年龄差距的策略，并在8种疾病的独立队列中验证。这意味着未来或许无需活检，仅靠抽血即可推测特定器官的衰老状态。

技术原理：从病理切片到血液预测

研究的数据底座是基因型-组织表达（GTEx）队列，共983名个体、40种组织类型的25712张全切片病理图像（whole-slide image, WSI）。流程分三步。

第一步，特征提取。团队对AlexNet、VGG16、ResNet50/152、ConvNeXt等多种视觉模型进行微调，在约4.8亿个图像小块上做推理，把每张切片转化为高维形态特征。第二步，建立时钟。用岭回归（Ridge regression）结合按个体分组的交叉验证，为每种组织训练一个预测生物学年龄的"组织时钟"，年龄成为影响40种组织外观的最强因素。第三步，血液转化。整合超过1.7万个配对的转录组样本，训练仅从血液基因表达即可预测组织年龄差距的模型。

与此前我们解读的病理基础模型PRISM2不同：PRISM2追求通用的多模态病理能力，本研究则把组织图像与衰老这一特定生理过程绑定，走"组织架构—生物学年龄"的定量路线。需要强调，这里测试的是研究原型模型，与已获批的临床产品有本质区别。

数据说话：平均误差4.9岁的器官年龄

最核心的发现是：组织时钟的预测性能优于传统分子衰老估计，平均误差仅4.88岁，且与端粒缩短、亚临床病理和合并症等既有衰老标志物一致。器官并非同步衰老——肺、肾、胰腺和肾上腺在20至40岁间已显加速信号，子宫则在绝经年龄附近出现明显变化。

血液预测是另一亮点：在卒中（关联脑）、克罗恩病（关联胃肠道）、阿尔茨海默病（关联脑）等8种疾病中，仅凭血液即可识别出疾病相关的器官衰老。这为无创监测器官衰老提供了可能，但需注意，这些结果建立于横断面关联之上，尚未证明因果。

从实验室到临床：应用前景与局限

可能的应用场景：

• 器官衰老监测：未来或可用常规病理切片或血液样本，追踪个体器官的生物学衰老轨迹。
• 疾病早筛辅助：识别加速衰老的器官，为阿尔茨海默病、糖尿病等慢性病的风险评估提供线索。
• 抗衰老研究工具：为药物干预是否延缓特定器官衰老提供可量化的评价指标。

重要局限：

第一，这是横断面研究，只能建立相关性，无法推断因果关系或疾病发生时间。第二，GTEx队列为尸检来源样本，女性与男性比例为1:2，且存在不同程度的组织自溶，可能影响部分组织（尤其女性生殖系统）的发现效能。第三，染色、扫描与组织制备的跨机构差异会影响模型迁移，血液预测的绝对校准也尚无法在缺乏配对组织学的外部队列中验证。

因此，这项研究目前是方法与监测框架的探索，不能替代临床诊断，也不应把单次"生物年龄"估算当作个人健康结论。它与我们此前解读的可解释病理AI PathPrism类似，都展示了病理图像蕴含的丰富生物学信息，但离临床落地都还有验证之路要走。

结论与产业启示

这项研究最有价值的贡献，是把衰老从分子层面的抽象讨论，推进到可用组织图像直接量化的工程问题，并打通了"组织到血液"的无创转化路径。

对医疗AI企业与研究团队有三点可执行建议：一是把生物学年龄等纵向健康指标纳入影像AI的评估维度，而不止于疾病分类；二是重视多模态数据（组织学+转录组）的配对整合，它是打通无创监测的关键；三是在对外宣传时严格区分横断面关联与因果结论，避免过度解读。

思陌智能科研服务深耕医学影像AI与科研服务，可为医院和科研团队提供病理影像AI、衰老与疾病生物标志物发现等方案设计、基准评估与验证服务。若您的团队正推进类似工作，欢迎与我们探讨。

相关问题

Q：组织时钟现在能用于临床诊断吗？

A：不能。这是一项横断面研究，仅能建立组织衰老与疾病的关联，无法推断因果，也未经过前瞻性临床试验验证。组织时钟目前是研究框架而非获批医疗器械，其结果不能作为个体临床诊断依据，也不应据此做出治疗决策。

Q：血液预测会取代病理切片或基因检测吗？

A：不会。血液预测策略本身依赖组织学与转录组的配对训练，是对现有检测的补充而非替代。它目前只能识别疾病相关的器官衰老趋势，尚不能替代病理诊断或分子检测，未来仍需在真实人群队列中做前瞻验证后才能评估其实际价值。

Q：这套方法适合中国医疗机构吗？

A：有待验证。研究基于欧美人群的GTEx队列，未纳入中国人群数据，人群结构、染色与扫描规范的差异可能影响模型表现。要在中国落地，需先用本地数据做外部验证，并考虑数据合规与部署条件，不能直接照搬。

参考文献

1. Abila E, Buljan I, Zheng Y, et al. Histological aging signatures for monitoring tissue-specific aging and disease. Nature Medicine. 2026. DOI: 10.1038/s41591-026-04566-5. PMID: 42601488

2. Horvath S. DNA methylation age of human tissues and cell types. Genome Biology. 2013. DOI: 10.1186/gb-2013-14-10-r115

3. Campanella G, Hanna MG, Geneslaw L, et al. Clinical-grade computational pathology using weakly supervised deep learning on whole slide images. Nature Medicine. 2019. DOI: 10.1038/s41591-019-0508-1

本文基于 Histological aging signatures for monitoring tissue-specific aging and disease 的独立解读，仅供学术交流，不构成临床建议。