Nat Med | 底骞/杨毅宁/马为之合作开发用于评估普通人群多维衰老的大语言模型框架

主要观点总结

衰老是一个全球公共健康挑战，涉及多种因素。最新研究利用大语言模型评估衰老，提出一种基于大语言模型的衰老评估框架，可从非结构化健康数据中提取与衰老相关的信息。该框架在多个大型人群队列中得到验证，并展现出潜力。研究还发现了与加速衰老相关的新型蛋白质组生物标志物。

关键观点总结

关键观点1: 衰老的挑战和现状

衰老是慢性病和死亡的主要风险因素，存在多种评估工具，但仍存在局限性。

关键观点2: 大语言模型在衰老评估中的应用

大语言模型通过预训练获得世界知识，并可通过微调激活在医学和衰老等领域的专业能力。其优势在于避免依赖衰老标签的限制，整合多种衰老相关因素，并能处理任意格式数据。

关键观点3: 特定研究细节

清华大学底骞副教授团队在Nature Medicine期刊发表了基于大语言模型的衰老评估研究成果。该研究整合了多个具有全国代表性的人群队列，样本量超1000万。研究采用大语言模型预测的生物年龄和年龄差距在预测多种衰老相关表型和不良健康结局方面优于传统方法。

关键观点4: 研究的亮点

研究提出了一种基于大语言模型的无监督衰老评估框架，具有新颖性、全面性；验证了其衰老评估能力在不同人群中的稳健性；借助大语言模型的“实时学习与记忆”能力，提出了一种动态的衰老评估框架；开发了一种基于大语言模型的低成本衰老评估工具；识别出了与加速衰老相关的新型蛋白质组生物标志物。

免责声明