实验室小鼠的年龄可以从一张普通照片中读出，但读出的主要是相对年龄而非绝对年龄。研究汇集七个设施、1292只小鼠的2846张照片，用未经小鼠数据训练的DINOv2视觉特征加岭回归预测年龄；在未见过的设施上绝对误差中位数达138天，而同一场次内配对比较时较老个体被排得更老的比率为65%，年龄差超过500天时升至95%以上。预测年龄高于实际年龄的小鼠更虚弱，每100天照片年龄差对应虚弱度增加0.12个标准差、死亡风险升高14%。
Ibáñez 团队在《Science Advances》报告了一种“语音时钟”：他们录制了来自阿根廷、智利、哥伦比亚、墨西哥和秘鲁的 2,928 名西班牙语使用者的多种语音任务，用机器学习从录音中提取 700 多项随衰老和痴呆变化的语音特征（如音高、词汇范围），训练模型预测年龄并计算“语音年龄差”，结果显示该时钟能区分健康人与有某种认知障碍的人，认知问题者的语音被判定为比其实际年龄更老，而健康人的语音年龄通常与实际年龄相符。
哈佛大学Jesse Poganik团队将年轻、中年与老年小鼠的心脏互相移植，并在约32万个基因组区域测量DNA甲基化，发现移植心脏的生物学年龄会向受体靠拢；随后在波士顿布莱根妇女医院11例供受体年龄差较大的历史心脏移植活检样本中观察到同样效应，而心率、后壁厚度与运动能力等部分功能指标更贴近受体年龄而非供体年龄。
《Cell》报道的一项工作构建了面向衰老生物学的专用大语言模型系统，配套17项评测任务与整合研究工具和AI智能体的交互界面，并用这些基准比较了专用模型与OpenAI、DeepSeek等更大规模通用商业模型，结果显示在多数但并非全部测试中，衰老领域定制模型表现更优。
已读完全部报道