只需五滴血，就能查出真实生理年龄

研究团队开发了一种深度神经网络（DNN）模型，该模型创新性地将22种关键类固醇激素及其相互作用纳入分析框架，这使其成为第一个明确解释不同类固醇分子之间相互作用的人工智能模型。

之所以选择类固醇激素，是因为类固醇激素能够更好地反映衰老情况。

类固醇激素（如皮质醇、性激素、维生素D衍生物）是调节代谢、免疫、应激反应的核心信号分子。它们通过核受体直接调控基因表达，影响细胞增殖、炎症反应和能量分配等关键衰老相关通路。

而由于类固醇的合成依赖肾上腺、肝脏、性腺等多器官协作，其代谢图谱能综合反映全身生理状态。相比之下，传统衰老研究聚焦特定器官（如脑、心血管系统），不能综合反映全身状况。

与传统方法依赖单一激素绝对水平不同，该模型聚焦类固醇比值变化，通过血液样本即可量化激素网络的动态平衡。

之所以聚焦比值变化，在于个体间激素水平差异极大，而且还会随着昼夜节律等因素产生波动。而激素间的比例关系更稳定。模型通过分析比值，可以有效规避个体基线差异的干扰。

吸烟和皮质醇的影响

研究发现了多个与衰老相关的类固醇标志物，其中皮质醇（COL）尤为关键。尽管这些标志物已被既往研究提及，但这次的关联性研究揭示了其中更多的奥秘，COL与生物年龄呈现出正相关。

这一发现完全支持了其作为压力生物标志物反映累积生理损伤的假说。

在生活方式因素中，吸烟状态对男性衰老轨迹加速的影响显著。但验证队列缺乏饮酒、饮食等行为数据。结果显示仅男性吸烟者较非吸烟者呈现更快的衰老进程，推测可能与男性吸烟频率更高有关。而女性吸烟者因吸烟频率较低及未知混杂因素干扰，其衰老效应可能被掩盖。未来需更大规模队列及更全面的生活方式数据以明确关联性。

本研究通过类固醇代谢网络与AI模型的深度融合，开创了系统性解析衰老异质性的新范式。其核心价值不仅在于高精度BA预测工具的开发，更在于揭示了压力、性别、代谢三大维度的衰老交互机制，为个性化抗衰老干预提供了理论锚点。未来可能需要通过更大规模、动态化的数据验证，推动该模型从实验室走向临床实践。