Nature Medicine | 温州医大&北大等联合团队打造“全生命周期时钟”，AI+常规体检数据即可预测未来疾病风险

几十年来，“生物钟”一直是抗衰老领域的热门。但几乎所有的时钟都只盯着成年人，完全忽视了儿童。毕竟，儿童的生物学变化是“发育”，而成人的变化才是“衰老”。更棘手的是，许多时钟依赖昂贵的基因组或多组学数据，难以普及。

最大的挑战在于数据本身。全球医院的电子健康记录（EHR）是一个由数百万份零散报告、缺失值和不同标准组成的“数据沼泽”。

EHRFormer迎难而上。研究团队利用了来自近970万名个体、超过2460万次的纵向临床访问数据对其进行训练。EHRFormer像一个精明的侦探，学会了在海量数据中追踪每个人独特的健康“时间线”。

它基于强大的Transformer架构（ChatGPT等模型的基石），并采用创新的“对抗性训练”策略，强迫模型忽略掉不同医院数据间的“批次效应”（即技术偏差），同时智能地填补缺失信息。

最终，EHRFormer不再是吐出一个单一的“年龄”数字，而是为每个患者构建了一个多维的“数字健康表征”——一个存在于AI“潜在空间”中的、鲜活的“数字孪生体”。

图1：用于纵向电子健康记录分析的EHRFormer架构及应用。

这项研究最精妙的创新在于，它没有试图用一把标尺测量所有人，而是开创性地提出了“双时钟”框架：

LifeClock的能力远不止于此。当研究人员将这个模型微调用于特定疾病预测时，结果令人震惊。它诊断当前疾病的准确度（AUC）高得惊人——例如，冠状动脉疾病和糖尿病的AUC均达到了0.98。更有意思的是它对未来的预测。该模型能够预测未来5年乃至10年的疾病发病率。最关键的是，研究团队证明，仅使用个体在12岁之前收集的EHR数据，AI就能对他们成年后的长期疾病风险进行有效分层。

图2：基于EHRFormer的疾病预测模型和累积风险分析在CHAI-Internal队列中的表现。

如图所示，在儿童期被AI划分为“高风险”组的个体，其在发育过程中患上肥胖、癫痫或哮喘的累积发病率，显著高于“低风险”组。同样，40岁时的常规数据也能清晰地分离出未来患上房颤、中风或帕金森病的高危人群。

这项研究的意义是深远的。它证明了我们不需要昂贵的基因测序，那些数年来沉睡在医院服务器里的常规、低成本的体检数据，本身就是一座金矿。

图3：使用 EHRFormer 架构对全生命周期生物钟进行建模的潜在空间方法。a, 模型将高维、纵向的电子健康记录数据作为输入，包括结构化的临床记录、实验室检测结果和生命体征。b, EHRFormer（一个基于 Transformer 的基础模型）处理这些数据，并将其投影到一个低维潜在空间中。这为个体随时间变化的健康状况创建了一个全面且稳健的”数字化表征”。随后，这个学习到的表征被用于两个关键的下游应用。c, 对人类全生命周期（从婴儿期和儿童期的发育到成年期及老年期的衰老）中的生物衰老进行建模。d, 预测个体疾病轨迹，实现风险分层，并识别具有不同临床路径的患者亚组。

EHRFormer提供了一个强大的框架，使构建动态、实时、全生命周期的健康“数字孪生”成为可能。医生或许很快就能在患者童年时期，识别出那些需要优先干预的高风险个体，将医疗从“疾病治疗”真正推向“健康管理”和“精准预防”。

点击关注医工学人