一家专注于人工智能药物研发的生物科技公司近日公布研究结果称，其利用AI参与开发的一款实验性药物在临床试验中表现出降低生物学年龄指标的潜力。部分接受治疗的患者在短短四周内，其生物学年龄评估结果出现了数年的下降，引发医学界对AI辅助抗衰老药物研发的广泛关注。
这款名为Rentosertib的实验药物由Insilico Medicine开发，最初并非以延缓衰老为目标，而是用于治疗特发性肺纤维化。这种疾病会导致肺部组织逐渐形成瘢痕，引发持续性的呼吸功能恶化。根据公司介绍，人工智能系统不仅帮助研究人员识别出关键靶点蛋白TNIK，还参与了药物分子结构的设计过程。
最新发表的研究重新分析了一项Ⅱa期临床试验的数据。试验原本共纳入71名中国患者，其中42名患者的数据被用于衰老相关评估。这些参与者平均年龄约67岁，研究团队在为期12周的观察期间持续追踪其血液样本变化。
为了评估药物对衰老指标的影响，研究人员采用了六种不同的“衰老时钟”模型。这类计算模型通过分析血液中的蛋白质组成来估算人体生物学年龄或死亡风险。结果显示，所有六种模型都检测到接受药物治疗的患者出现向“更年轻状态”转变的迹象，而安慰剂组则基本没有明显变化，部分指标甚至出现轻微恶化。
在不同剂量方案中，研究人员观察到了不同程度的改善效果。服用每日60毫克剂量的患者，在治疗四周后，有四个基于年龄预测的模型显示其生物学年龄平均下降约2.7年至3.5年。不过，另外两个主要评估死亡风险的模型并未观测到统计学意义上的明显变化。
研究团队同时发现，每天两次、每次30毫克的给药方式呈现出更稳定和一致的改善趋势。在部分评估模型中，患者生物学年龄下降幅度甚至达到数年之多。
不过，参与研究的科学家也提醒外界，不应将这些结果简单理解为人体真的“变年轻了几岁”。所谓年龄下降主要是指相关模型根据血液蛋白质变化所作出的预测结果，而非人体自然年龄的倒退。
研究人员指出，目前仍无法明确区分这些改善究竟源于药物对衰老过程本身产生作用，还是因为肺部疾病状况得到缓解后，身体整体健康水平提高，从而影响了相关指标。值得注意的是，改善肺功能效果最明显的剂量方案，与生物学年龄下降最明显的剂量方案并不完全相同，这意味着药物可能确实存在部分独立于肺部治疗效果之外的抗衰老作用。
这项研究还被视为人工智能在药物研发领域应用的重要案例。人工智能不仅参与发现药物靶点和分子设计，后续又通过机器学习模型评估临床试验中的衰老指标变化，形成了从研发到验证的完整AI参与链条。
尽管成果令人鼓舞，但研究规模仍然较小，且所有受试者均患有特发性肺纤维化。目前尚不清楚药物是否会对健康人群产生类似效果，也无法证明其能够延长寿命或真正减缓衰老过程。
与此同时，学界对于“衰老时钟”本身的可靠性也存在争论。不同模型采用不同生物标志物和计算方式，目前尚未形成统一公认的生物学年龄测量标准。因此，一些专家认为，这些指标可以作为重要研究工具，但距离成为衡量人体衰老程度的最终标准仍有相当距离。
Insilico Medicine已经宣布启动更大规模的Ⅲ期临床试验。该试验预计招募320名患者，持续观察52周，并重点评估药物对肺功能的影响。目前Rentosertib仍属于实验药物，尚未获得监管机构批准上市。
分析人士认为，尽管距离真正意义上的抗衰老药物还有很长的路要走，但此次研究首次展示了一种由人工智能发现靶点并辅助设计的候选药物，有可能在疾病治疗之外影响人体衰老相关指标。这为未来利用人工智能开发延寿和健康老龄化疗法提供了新的研究方向。