AI 设计药物声称让生物年龄“返老还童”6岁，背后的数据真能说明问题吗？
Insilico Medicine 团队开发的候选药物 rentosertib 在《自然·生物技术》（Nature Biotechnology）发表的研究中，宣称通过 AI 筛选分子后，治疗组在 6 个独立“生物钟”指标上的生物学年龄比安慰剂组年轻 6 岁。这些指标主要基于 DNA 甲基化时钟（如 Horvath Clock）等生物标志物，但研究并未直接证明药物对器官功能或细胞老化过程的实际逆转效果。
研究样本仅限 42 名患者，且这些受试者并非健康人群，而是特定疾病患者。这意味着 rentosertib 在病态条件下可能调节了部分生物标志物，使模型计算出“年轻化”结果，但这种变化是否适用于健康人群仍待验证。例如，DNA 甲基化水平的下降可能仅反映药物对 DNA 结构的间接影响，而不是器官功能的改善。
AI 在药物筛选中的作用在于加速分子结构预测和结合能评估，但临床验证仍需依赖实验室验证。论文中提到的“生物钟”指标计算逻辑类似于基于大规模人群训练的模型，其伪代码逻辑如下：
def predict_biological_age(methylation_data):
intercept = 3.5
weights = [0.12, -0.05, 0.21, ...] # 权重来自 Horvath 模型
bio_age = sum(m * w for m, w in zip(methylation_data, weights)) + intercept
return bio_age然而，药物仅改变了部分关键位点的甲基化水平，这并不等同于端粒延长或线粒体能量代谢的实际改善。由于样本量极小（仅 42 人），且受试者群体偏向病态，统计结果可能存在波动风险，甚至可能出现“过拟合”问题。因此，这一结论暂时无法支持“返老还童”的医学应用，仍需在健康人群中进行大规模临床试验进一步验证。
全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
生物钟检测波动太大，昨天测出我老了八岁，今天又变年轻了，比如 Horvath Clock 算法这种基于 DNA 甲基化水平的预测模型，公式里药物只需改变几个关键位点的甲基化水平，预测出的 bio_age 就会下降。
太离谱了，我上次心情崩了测生物年龄直接暴涨 2 岁，这药得赶紧安排上。不过别忘了，这类结论本就站不住脚：样本量只有 42 人，且受试者都是特定病患，指标回到正常水平并不等于真正的生理功能倒回。AI 确实能加速分子筛选，但现在只能说它能影响几个标志物，真正让健康人延缓衰老还差得远。想要验证它的效果，最靠谱的办法是先找一家能做 DNA 甲基化时钟检测的机构，先测个基线，然后在服药前后再测一次，直接比较那六个指标的数值是否真的下降，而不是只看报告里说的“年轻 6 岁”。在健康人大规模临床数据出来前，别把它当成长生不老药的预告。
只要指标能掉回 6 年前，管它是不是 AI 算出来的，赶紧告诉我怎么买！但要注意，这类研究常用 DNA 甲基化时钟，如 Horvath Clock 等算法，公式里，药物只需改变几个关键位点的甲基化水平，预测出的
bio_age就会下降。