人工智能（AI）对革命化老龄化研究领域并帮助个人实现更健康、更长寿的生活充满了巨大潜力。
一项涉及新加坡国立大学（NUS Medicine）荣鲁林医学院和德国罗斯托克大学医学中心医学与老龄化研究生物统计与信息学研究所的科学家的联合研究，探讨了先进的 AI 技术（如大型语言模型（LLMs））如何增强对针对老龄化的干预措施的评估并提供量身定制的建议。该研究结果发表在著名期刊 老龄化研究评论 上。
随着老龄化研究产生大量数据，识别哪些干预措施（如新药物、饮食调整或健身计划）既安全又有效变得具有挑战性。本研究考察了 AI 如何更有效、准确地分析这些数据，提出了一套全面的标准，以保证 AI 系统通过处理复杂生物信息的能力提供准确、可信、明晰的评估。
研究人员列出了成功的 AI 驱动评估的八项基本标准：
- 评估结果的准确性，数据质量需进行精度评估。
- 相关性和全面性。
- 结果的清晰性和可解释性，确保结果清晰简要。
- 特定考虑受干预影响的因果机制。
- 对数据的上下文考量，包括：
- 效果和毒性，以及支持广泛治疗窗口的证据；
- 在“跨学科”环境中进行分析。
- 促进分析和报告中的重复性、标准化和一致性。
- 强调多样化、大规模的纵向数据。
- 专注于与已建立的老龄化机制相关的发现。
通过将这些标准整合到 AI 的提示过程中，LLMs 生成的建议质量显著提高。
新加坡国立大学（NUS Medicine）生物化学与生理学系以及健康长寿转化研究计划的布莱恩·肯尼迪教授共同指导了该研究，他表示：“我们使用药物和营养补充品等实际案例评估了 AI 方法。我们的结果显示，遵循目标指南可以使 AI 产生更精确、全面的见解。在一个实例中，在研究雷帕霉素（这种药物常被考虑促进健康老龄化的前景）时，AI 评估了其有效性，同时提供了相关的背景信息，例如潜在的副作用。”
罗斯托克大学医学中心医学与老龄化研究生物统计与信息学研究所的乔治·富伦教授也共同领导了该研究，他指出：“这项研究的发现可能会对医疗保健产生重大影响。告知 AI 有效反应的关键标准可能有助于它识别更有效和安全的治疗方法。总体而言，AI 工具可以改善临床试验的设计，并为个体定制健康建议。这项研究是朝着利用 AI 实现更好健康结果的重要进展，尤其是在个体变得更老的情况下。”
展望未来，研究团队计划开展一项全面研究，探讨如何最佳地提示 AI 模型获取与寿命干预相关的建议，利用一系列精心挑选的高质量数据集评估其精确性和可靠性。验证这种 AI 系统至关重要，因为它们所提出的寿命干预措施可能会被许多重视健康的个体采用。未来的研究需要确认基于 AI 的评估能否可靠地预测人类试验中的有利结果，从而为更安全、更有效的健康干预措施铺平道路。
目标是利用研究发现提高健康和长寿干预措施的准确性和可及性，最终改善生命的质量和长度。研究人员、医疗专业人员和政策制定者之间的合作将对于建立强有力的监管框架至关重要，以确保 AI 驱动评估的安全和有效应用。
