2026-09-03
MD Anderson 用 9,971 例「无异常」CT 训练 MOSAIC-Age,给肺、主动脉、心等八个器官各建一个衰老钟,在 35,293 人前瞻队列中,器官显老程度与慢病、死亡风险一致上升,主动脉年龄差是全因死亡最稳的预测因子。
生物学衰老在个体之间、同一个体的器官之间都不同步,但常用的衰老测量要么是抽血做蛋白组学时钟(分子层面,定位不到具体器官),要么是脑 MRI 时钟(只看大脑)。胸部 CT 是另一回事:它一次成像就覆盖肺、心脏、主动脉、骨骼、肌肉,而且全球每年做几千万次,多数是为了查肺癌或心肺疾病,影像本身免费躺在医院系统里。
问题在于这些 CT 里的器官衰老信号一直没人系统挖过。MD Anderson 团队这篇 medRxiv 预印本做的就是把「顺带读片」(opportunistic screening)这件事做实:一张常规胸部 CT,能不能顺便回答「这个人哪些器官老得快、未来得病和死亡风险多高」。
框架叫 MOSAIC-Age,流程四步:
模型开发完就锁死,原封不动应用到两个独立前瞻队列:NLST(美国肺癌筛查试验,25,824 人)和 COPDGene(慢阻肺研究,9,469 人),合计 35,293 人,都有长期随访。
年龄预测本身够准:留出测试集上八个器官时钟的预测年龄与实际年龄相关系数中位数 0.94,单器官 MAE 中位 5.14 年,复合时钟 3.70 年,与既往 MRI 器官时钟相当。男女 MAE 差中位仅 0.35 年,常规 CT 与 PET/CT 的 CT 部分一致性中位 r=0.84。
更有信息量的是 BAG 与临床结局的关联,全部经多重检验校正:
| 关联 | 效应量 | 说明 |
| 肺 BAG × 已确诊慢阻肺 | OR 1.50 | 每 +1 SD,q=2.4e-95 |
| 冠状动脉 BAG × 已确诊心脏病 | OR 1.98 | q=9.9e-226 |
| 主动脉极度显老 × 全因死亡 | HR 2.09 | BAG>1.5 SD,q=1.5e-34 |
| ≥5 个器官极度显老 × 全因死亡 | HR 2.64 | 对照为无极度显老器官,q=3.4e-10 |
| 复合 BAG 高四分位 × 低四分位死亡 | HR 1.77 | P=1.0e-45 |
| 主动脉衰老速度 +1 SD × 死亡 | HR 1.20 | 校正基线 BAG 后,q=1.7e-11 |
180 组「慢病×BAG」关联里 66% 显著为正;八器官 BAG 一起塞进多变量模型后,肌肉、主动脉、肺、冠状动脉四个仍独立预测死亡。死因分析里对应器官系统的 BAG 效应最大:肺 BAG 对应呼吸系统死亡(HR 1.47),冠状动脉 BAG 对应心血管死亡(HR 1.45)。与遗传对照,肺 BAG 预测未来慢阻肺(OR 1.41)强于肺功能多基因风险评分(OR 1.13),两者相关性仅 0.051,影像读到的和基因里带的是两份信息。
有个反直觉的发现:预测肺癌最准的不是肺 BAG,是主动脉 BAG(每 +1 SD HR 1.17,多变量模型里唯一存活)。作者的解释很克制:这不是说主动脉变老导致癌变,更可能反映吸烟、慢性炎症、氧化应激这些血管病与癌症的共享通路。
全球每年几千万次胸部 CT,多数读一次报告就归档。这篇说明同一张片子里还躺着一份多器官「衰老体检报告」,不需要额外扫描、不需要抽血。对肺癌筛查人群,它给了一个现成的风险分层维度:哪些人该转诊心肺代谢评估,现有指南里没有这个信号。
方法上它是「机会性影像 AI」路线的完整示范:开源自监督分割工具+不到一万例训练数据+锁模外部验证,这套流程医院影像科可以复用到别的器官系统。
与 AI 从业者的交集在方法侧:多任务弱监督(每器官一个头)、标签平滑、域偏移对齐(常规剂量→低剂量模拟)、以及用残差而非绝对预测值做下游统计,都是可迁移的设计。