以人工智能驅動的生物老化監測工具，正在臨床醫學領域逐步成為預防性健康管理的重要技術。勵晶太平洋集團（0575.HK）旗下Deep Longevity近期發表的BloodAge模型，經國際學術期刊《衰老與疾病》同行評審，證實其「年齡差距」（Agediff）指標，具備獨立預測長期死亡率及住院風險的能力。

該研究採用來自舍巴醫學中心高階健康篩檢近十年的數據，追蹤2,597名年齡介於21至92歲成人，共累積約23,892人年的觀察數據，涵蓋6,772次重複臨床評估。舍巴醫學中心為一所全球公認的學術型第三級醫院，亦是以色列及中東地區規模最大、最全面的醫療機構。

BloodAge模型基於36項常規血液生物標記，包括代謝、肝腎功能及發炎反應指標，測量得出「年齡差距」（Agediff），即「個人生物年齡」與其實際年齡之間的差距，作為死亡與住院臨床結果的預測指標。

研究結果發現，僅靠生物年齡並不足以評估人的真實健康風險。根據經Deep Longevity之SenoClock平台評估的數據：

死亡風險提升：在校正性別、基線年齡、身體質量指數、吸煙狀況及高血壓後，年齡差距每增加一歲，死亡風險增加15%。

住院率增加：年齡差距每增加一歲，住院率增加6%。

識別關鍵臨界值：在整個研究期間，生物年齡超過其實際年齡3年或以上的參與者，其累積死亡率（23.0%）顯著高於低過該臨界值者的死亡率（8.7%）。

研究可及早識別高風險個體 節省與慢性老化疾病相關的巨額護理成本

過往，全面的生物年齡估算方法一般依賴成本過高的表觀遺傳學或蛋白質組學或其他多組學數據，或不便於常規臨床使用。Deep Longevity的BloodAge方法則打破此局面，利用標準護理中收集的血液檢測數據，從而提供一種更易於普及的方式，以識別那些生物老化速度快於其出生日期所示老化速度的個體。

該研究結果為更廣泛的醫療保健生態系統帶來重大機遇。研究人員指出，BloodAge模型無需依賴DNA甲基化檢測或其他多組學檢測等專門或昂貴的檢測即可部署，為醫療服務提供者、診斷實驗室及健康保險公司提供了一種高度可普及且可擴展的工具，以便及早識別高風險個體。利用3年的年齡差距作為實用的臨床參考點，醫生可實施更密切的監測及風險緩解策略，從而有潛力節省與慢性老化疾病相關的巨額急性護理成本。

Deep Longevity行政總裁Deepankar Nayak強調，與舍巴醫學中心合作的臨床研究，為BloodAge模型帶來有力驗證，證明常規血液檢測即可可靠預測長期健康結果。此成果提升長壽科學的臨床應用可行性，為醫生、保險業者及個人帶來以數據為本、易於普及的健康管理藍圖。