另一項研究則分析了來自 40 種組織類型的超過 25,000 個組織樣本，發現器官在一生中以不同速率老化，而這些變化甚至能從血液樣本中檢測出來 。來自蛋白質體學、影像學、表觀遺傳學和轉錄體學的證據，都在訴說著同樣的故事 。

器官時鐘：器官疾病的精準預警

這些器官特異性時鐘最強大的應用，在於它們能在症狀出現前數年預測疾病。上述蛋白質體學研究發現，特定器官的加速老化，精準預測了該器官相關疾病的發生與進展——例如，「老化過快」的腎臟時鐘預測了腎臟疾病，而加速的腦部老化則預示了神經退化性疾病 。

研究人員還開發了基於 MRI 的多器官時鐘，涵蓋大腦、心臟、肝臟、脂肪組織、脾臟、腎臟和胰臟。這些以影像為基礎的時鐘顯示，加速的腦部老化與失智症相關死亡率密切相關 。在多項研究中，腦部老化都成為最強的死亡預測因子 。

值得注意的是，這些時鐘對於疾病發生與進展的預測能力，超越了傳統臨床與遺傳風險因子 。這意味著它們捕捉到了一個獨特的生物訊號——器官真實的生物狀態——而非僅僅是已知風險標記的替代指標。

獨立卻又連結：器官老化的複雜網絡

最令人驚訝的發現之一，在於不同器官老化速率之間的相關性竟然如此之低。一項 2025 年的研究指出，儘管各器官老化速率之間存在關聯，但其相關強度低於 0.25，這凸顯了器官老化在很大程度上是各自獨立、因人而異的 。

這意味著一個人可能擁有「年輕」的心臟，同時卻有一個「老邁」的腎臟。這也解釋了為何不同的人會在不同時間點罹患不同的老化相關疾病：老化最快的器官往往是最先出問題的那一個 。

不過，研究人員也發現，某個器官的加速老化可能對其連結系統產生連鎖效應。例如，腦部或腎臟的過早老化，部分中介了吸菸與嗅覺辨識能力下降之間的關係 。這個過程本質上是非同步的，但器官之間也並非完全孤立 。

多重體學與影像學方法的一致性

研究人員從多個角度探討器官特異性老化，且結果相互印證。整合基因組、表觀基因組、轉錄組、蛋白質組和代謝組數據的研究，都一致顯示個別器官以不同速率老化 。應用於 MRI 數據的深度學習，則能提供超越單一器官模型的器官特異性生物年齡估計 。

蛋白質體學方法尤其強大：通過量化單一血液樣本中的數千種循環蛋白質，研究人員能夠識別出特定器官富集的蛋白質組合，並將其作為器官狀態與損傷的分子指紋 。這意味著，未來可能只需一次簡單的血液檢測，就能評估器官特異性老化。

另一項獨立研究則從組織學影像開發了「組織時鐘」，分析了來自 983 個個體、橫跨 40 種組織類型的 25,712 張全切片影像。這些基於深度學習的時鐘平均預測誤差僅為 4.9 年，且與端粒縮短和亞臨床疾病相關 。

老化型革命：個人化的抗衰老醫學

這些 AI 驅動的發現催生了「老化型」（ageotype）這個概念——它描繪了個體在不同器官上獨特的老化軌跡 。這種個人化的輪廓，有望將抗衰老醫學從「一體適用」的模式，轉變為精準度極高的個人化方案。

未來的治療方針可能不再是泛泛地「減緩老化」，而是針對那些顯示出加速衰退的特定器官進行干預。一個腦部老化較快的人，或許可以及早接受認知功能介入；而腎臟提前老化的人，則需要更密切地監測腎功能 。

這對老化研究的未來意味著什麼？

從全身性老化時鐘轉向器官特異性老化時鐘，代表了科學家理解與測量生物老化的根本性轉變 。它挑戰研究人員不再將老化視為一個單一數字，而是一系列在不同系統中各自發展的軌跡剖面 。

關鍵啟示包括：

• 老化是去中心化的——每個器官都有自己可獨立測量的生物軌跡 。
• 疾病風險是器官特異性的——腎臟老化加速預測的是腎臟病，而非泛泛的「老化相關」衰退 。
• 介入措施可能需針對特定器官，而非將老化視為一個整體 。
• 同一個人可能因不同的器官老化型，而需要不同的預防策略 。

這些發現是國際間合作的結晶。目前最大規模的研究——2025 年發表於《自然·老化》期刊——利用英國生物樣本庫 43,498 名參與者的 2,448 種血漿蛋白質，開發出多器官蛋白質體老化時鐘，其中腦部時鐘的準確度最高 。

隨著數據集日益龐大且多元化，加上 AI 模型持續精進，這些器官特異性時鐘的解析度將會不斷提升。將老化視為一個均一過程的時代已告終結——一個對人體如何真正老化的、更為精準的理解新紀元，已然展開。

另一項研究則分析了來自 40 種組織類型的超過 25,000 個組織樣本，發現器官在一生中以不同速率老化，而這些變化甚至能從血液樣本中檢測出來 。來自蛋白質體學、影像學、表觀遺傳學和轉錄體學的證據，都在訴說著同樣的故事 。

器官時鐘：器官疾病的精準預警

這些器官特異性時鐘最強大的應用，在於它們能在症狀出現前數年預測疾病。上述蛋白質體學研究發現，特定器官的加速老化，精準預測了該器官相關疾病的發生與進展——例如，「老化過快」的腎臟時鐘預測了腎臟疾病，而加速的腦部老化則預示了神經退化性疾病 。

研究人員還開發了基於 MRI 的多器官時鐘，涵蓋大腦、心臟、肝臟、脂肪組織、脾臟、腎臟和胰臟。這些以影像為基礎的時鐘顯示，加速的腦部老化與失智症相關死亡率密切相關 。在多項研究中，腦部老化都成為最強的死亡預測因子 。

值得注意的是，這些時鐘對於疾病發生與進展的預測能力，超越了傳統臨床與遺傳風險因子 。這意味著它們捕捉到了一個獨特的生物訊號——器官真實的生物狀態——而非僅僅是已知風險標記的替代指標。

獨立卻又連結：器官老化的複雜網絡

最令人驚訝的發現之一，在於不同器官老化速率之間的相關性竟然如此之低。一項 2025 年的研究指出，儘管各器官老化速率之間存在關聯，但其相關強度低於 0.25，這凸顯了器官老化在很大程度上是各自獨立、因人而異的 。

這意味著一個人可能擁有「年輕」的心臟，同時卻有一個「老邁」的腎臟。這也解釋了為何不同的人會在不同時間點罹患不同的老化相關疾病：老化最快的器官往往是最先出問題的那一個 。

不過，研究人員也發現，某個器官的加速老化可能對其連結系統產生連鎖效應。例如，腦部或腎臟的過早老化，部分中介了吸菸與嗅覺辨識能力下降之間的關係 。這個過程本質上是非同步的，但器官之間也並非完全孤立 。

多重體學與影像學方法的一致性

研究人員從多個角度探討器官特異性老化，且結果相互印證。整合基因組、表觀基因組、轉錄組、蛋白質組和代謝組數據的研究，都一致顯示個別器官以不同速率老化 。應用於 MRI 數據的深度學習，則能提供超越單一器官模型的器官特異性生物年齡估計 。

蛋白質體學方法尤其強大：通過量化單一血液樣本中的數千種循環蛋白質，研究人員能夠識別出特定器官富集的蛋白質組合，並將其作為器官狀態與損傷的分子指紋 。這意味著，未來可能只需一次簡單的血液檢測，就能評估器官特異性老化。

另一項獨立研究則從組織學影像開發了「組織時鐘」，分析了來自 983 個個體、橫跨 40 種組織類型的 25,712 張全切片影像。這些基於深度學習的時鐘平均預測誤差僅為 4.9 年，且與端粒縮短和亞臨床疾病相關 。

老化型革命：個人化的抗衰老醫學

這些 AI 驅動的發現催生了「老化型」（ageotype）這個概念——它描繪了個體在不同器官上獨特的老化軌跡 。這種個人化的輪廓，有望將抗衰老醫學從「一體適用」的模式，轉變為精準度極高的個人化方案。

未來的治療方針可能不再是泛泛地「減緩老化」，而是針對那些顯示出加速衰退的特定器官進行干預。一個腦部老化較快的人，或許可以及早接受認知功能介入；而腎臟提前老化的人，則需要更密切地監測腎功能 。

這對老化研究的未來意味著什麼？

從全身性老化時鐘轉向器官特異性老化時鐘，代表了科學家理解與測量生物老化的根本性轉變 。它挑戰研究人員不再將老化視為一個單一數字，而是一系列在不同系統中各自發展的軌跡剖面 。

關鍵啟示包括：

• 老化是去中心化的——每個器官都有自己可獨立測量的生物軌跡 。
• 疾病風險是器官特異性的——腎臟老化加速預測的是腎臟病，而非泛泛的「老化相關」衰退 。
• 介入措施可能需針對特定器官，而非將老化視為一個整體 。
• 同一個人可能因不同的器官老化型，而需要不同的預防策略 。

這些發現是國際間合作的結晶。目前最大規模的研究——2025 年發表於《自然·老化》期刊——利用英國生物樣本庫 43,498 名參與者的 2,448 種血漿蛋白質，開發出多器官蛋白質體老化時鐘，其中腦部時鐘的準確度最高 。

隨著數據集日益龐大且多元化，加上 AI 模型持續精進，這些器官特異性時鐘的解析度將會不斷提升。將老化視為一個均一過程的時代已告終結——一個對人體如何真正老化的、更為精準的理解新紀元，已然展開。