器官老化各有時間表：從 25,306 張人體切片老化圖譜，談生物年齡是不同步的組合、以及單一時鐘／單一檢驗的臨床限制

摘要

我們習慣用一個數字回答「我老了多少」——實際年齡。但過去兩年的研究已經把這個問題拆開了：同一個 55 歲的人，他的動脈可能已經像 63 歲、大腦像 52 歲、腎臟像 58 歲，而子宮或前列腺又是另一個完全不同的時間表。2026 年發表於 Nature Aging 的 PathStAR 研究，把這件事第一次用「結構」而非「分子」層次量化出來：研究者分析 970 名 21–70 歲捐贈者、40 種組織、共 25,306 張病理全切片影像，發現人體結構老化並不是等速推進，而是沿著三條明顯不同的時間程式展開——血管在 30 多歲就開始加速，女性生殖道在更年期前後才加速，消化道與男性生殖器官則呈現「雙相」（30 多歲與 50 多歲各一波）。更關鍵的是，這三條加速期背後共用同一組分子特徵：發炎訊號上升，同時能量產生、修復與品質管控路徑同步下降。

這篇回顧的目的不是介紹一個新的「生物年齡」商品，而是替臨床工作者建立一個判斷框架：生物年齡是一組不同步的器官狀態，不是單一數字。本文依序整理：PathStAR 的研究設計與限制；器官不同步老化的機制（發炎老化、粒線體突變累積、蛋白質恆定失衡、細胞衰老）；2024 年 10 月以後發表的血漿蛋白體器官時鐘、影像學器官時鐘、多體學整合與前瞻性世代證據；以及最重要的——單一時鐘或單一檢驗在臨床（含醫美評估皮膚與結締組織）上可以怎麼用、以及不能怎麼用。文末並整理各研究的效應量與信賴區間，供判讀時對照。

一、背景：生物年齡為什麼不是一個數字

1.1 從「一個時鐘」到「一組時鐘」

生物年齡（biological age, BA）的概念來自一個簡單的觀察：實際年齡（chronological age, CA）是時間的函數，但生理功能的衰退速率因人而異。以 DNA 甲基化為基礎的第一代時鐘（Horvath、Hannum）證明了可以用分子資料反推年齡；第二代時鐘（PhenoAge、GrimAge）改以臨床表型或死亡風險為訓練目標，預測死亡率的能力明顯提升；第三代「老化速率」時鐘（DunedinPACE、DunedinPoAm）則進一步估計「每過一個日曆年，生理上老化幾歲」。臨床上常引用的說法是：實際年齡相同的人，生物年齡差異可達二十年。這個數量級並非行銷話術，而是多個獨立世代的共同觀察。

但這個敘事有一個被忽略的前提：它假設「全身有一個生物年齡」。2023 年之後的血漿蛋白體研究推翻了這個簡化。原理是把血漿蛋白依其在 GTEx 各組織的相對表現量分類為「器官富集蛋白」（通常定義為在某一器官的表現量至少是其他器官的四倍），再以這些蛋白各自訓練一個年齡預測器，得到 11 個器官（腦、心、動脈、肝、腎、肺、腸、胰、免疫、肌肉、脂肪）各自的「器官年齡」。器官年齡減去實際年齡即為「年齡差（age gap）」；年齡差為正代表該器官老化超前。

這個設計的關鍵價值在於：它允許同一個人在不同器官上出現方向相反的偏差。一個人可以有超前的動脈與年輕的免疫系統，而這兩件事對死亡風險的作用方向是相反的。單一時鐘把這些訊號平均掉，等於把互相抵消的資訊壓縮成一個沒有臨床指向的數字。

1.2 為什麼「結構」是一個被漏掉的維度

既有的器官老化時鐘幾乎都建立在分子層次——甲基化、蛋白質、代謝物。這些測量回答「哪些分子變了」，但不回答「組織的物理結構什麼時候改變」。PathStAR 的切入點正在此處。組織學切片直接呈現細胞排列、纖維結構、腺體型態與基質密度；這些是器官功能的物理基礎。作者把「結構老化」定義為切片影像特徵隨年齡的系統性改變，並用「結構老化分數（structural aging score）」量化。這個維度的重要性在於：結構改變有明確的時間點，而分子改變未必。

值得一提的是，PathStAR 刻意不做「年齡預測」。傳統時鐘的訓練目標是重現實際年齡，因此必然低估那些變化最劇烈的區段——作者在卵巢上直接展示了這一點：PathStAR 能從組織形態中辨識出卵巢的非線性衰退（30 多歲的生育力下降與 50 多歲的更年期），但同一批捐贈者的轉錄體與甲基化資料卻無法捕捉這個軌跡。這是一個很強的對照，說明「時鐘做得好不好」與「時鐘能不能抓到老化事件」是兩件不同的事。

二、核心研究：25,306 張切片的人體結構老化圖譜

2.1 研究設計與樣本

這項研究（Nature Aging 2026;6(9):2013-2027，PMID 42675190）使用的材料來自 Genotype-Tissue Expression（GTEx）計畫的屍檢檢體：

• 樣本數：970 名捐贈者，21–70 歲。
• 組織數：40 種組織，涵蓋血管、神經、消化道、女性／男性生殖道、皮膚、內分泌等。
• 影像量：25,306 張 H&E 全切片影像（whole-slide scan，×20 倍），從中切出約 3,030 萬張 512×512 像素的影像區塊。
• 特徵抽取：以病理影像基礎模型（UNI）產生切片層級的表徵，再以此計算結構老化分數。
• 軌跡判定：先行篩選，要求組織同時滿足 (a) 形態特徵與實際年齡相關、(b) 主成分分析能把不同年齡層分開、(c) 以線性區別分析區分老／年輕的 AUC > 0.8，才納入軌跡分析；最終 15 種組織具高信度軌跡。

整體的技術驗證結果顯示，切片層級形態特徵的第一主成分與年齡相關（r² = 0.43），表示確實捕捉到大量隨年齡變化的結構資訊。年輕（20–29 歲）與年老組織最好區分，50–59 歲最難區分（單一年齡層對其餘的分類 AUC 最高達 0.75）——這一點本身就有臨床意義：五十歲前後是結構變化最「混亂」、最不容易靠外觀判斷的區段。

2.2 三種時間程式：加速期不是同步的

研究最核心的結果，是把 40 種組織的結構老化歸納為三種時間程式（見圖一）：

時間程式	代表組織	加速期	臨床對應的生理事件
早期加速	血管（主動脈、冠狀動脈、脛動脈等）	約 30 多歲起	血管硬化與內皮功能變化早於多數臨床事件數十年；是全身最早出現結構老化的系統
晚期加速	子宮、陰道（女性生殖道）	約 50 多歲，與更年期重合	停經後雌激素撤退造成的子宮萎縮、內膜變薄與肌層結構改變
雙相加速	消化道（結腸、食道、胃）與男性生殖器官（前列腺、睪丸）	兩波：約 30 多歲與 50 多歲	兩波之間為相對穩定期，形成「加速—穩定—再加速」的型態

值得注意的是，雙相型態是資料集中最主要的模式——在 14 種可判定的組織中，有 9 種呈現雙相加速。也就是說，「老化不是一條直線」不只是卵巢的特例，而是人體多數組織的常態。

2.3 卵巢：兩個加速峰，對應生育力下降與更年期

卵巢的軌跡最清楚。結構老化分數呈現明顯的雙峰：第一峰在 35–40 歲，對應濾泡快速耗竭與生育力下降；第二峰在 55–60 歲，對應更年期。第二峰在分子上表現為 TGF-β 生長因子訊號、上皮—間質轉化（EMT）與細胞週期路徑的下調，符合停經後濾泡活動喪失與類固醇生成減少的預期。作者也檢查了缺血時間等屍檢偽影，發現與這條軌跡的相關性極低。

臨床可操作的重點有兩個。第一，女性生殖道的結構老化不是「緩慢線性」的，而是在特定年齡區段出現跳躍式變化；因此以線性模型推估「卵巢年齡」在方法上就會失真。第二，子宮與陰道的結構老化彼此高度協調：在女性捐贈者中，子宮與陰道的結構老化分數相關係數 r = 0.47，屬於強正相關，反映的是同一組驅動因子（雌激素撤退）。這也解釋了為什麼單看一項指標（例如單一激素濃度）不足以代表人體生殖道的整體老化狀態。

2.4 加速期的共同分子特徵

如果不同器官在不同時間加速，它們的分子驅動力是否相同？答案是：幾乎完全相同。以 Hallmark 基因集做 GSEA 分析，作者在所有加速期中都觀察到同一組收斂程式（見圖一底部標註）：

• 上升：發炎路徑——TNF 訊號、干擾素 α／γ 反應、補體系統。
• 下降：能量產生——氧化磷酸化（OXPHOS）。
• 下降：增殖能力——E2F 目標基因、G2M 檢查點、MYC 目標基因。
• 下降：細胞品質管控——未摺疊蛋白反應（UPR）、DNA 修復、mTORC1 訊號。

換句話說，「發炎上升 ＋ 再生／代謝／品質管控下降」這組程式，是全身結構老化加速期最主要的分子特徵，不論發生在哪個器官、哪個年齡。

更有臨床指向的是兩個加速期的差異。比較 ASA-1（第一波）與 ASA-2（第二波）的路徑富集：第一波以荷爾蒙／生殖訊號路徑為主（消化道組織在第一波時的雌激素與雄性素反應路徑富集程度，甚至高於生殖組織本身）；第二波則轉為損傷反應主導——未摺疊蛋白反應在 10 種組織中有 8 種升高，反映累積的蛋白毒性壓力。這是一個「分子相變」：從荷爾蒙調控階段，轉入損傷累積階段。這個區分對介入時機的意義很直接——不同時間點需要處理的機制不同。

2.5 跨器官協調與遺傳訊號

同一個人在不同組織的老化是否同步？研究計算 15 種高信度組織的結構老化分數差值（ΔSA）之間的相關性，得到三個層次的結果：

• 同一器官系統內部明顯協調：胃腸道（乙狀結腸—橫結腸、食道—胃食道交界、胃）、血管系統內部皆有顯著正相關；神經與血管之間亦有跨系統協調（脛神經—脛動脈 r = 0.28）。
• 生殖道高度協調：女性子宮—陰道 r = 0.47。
• 跨系統但缺乏明顯共享分子程式者仍存在：神經血管協調（脛神經與多條動脈，r = 0.23–0.28）與性別特異的神經內分泌協調（腦下垂體—腦的相關性在男性較強）。

遺傳層面，作者以基因負荷分數（gene burden score）關聯個體化的 ΔSA。最突出的單一發現是：SIRT6 變異特異性地與血管結構老化加速相關——而 SIRT6 正是 DNA 修復與發炎調控的核心節點。反之，具保護性的變異富集在免疫訊號路徑，特別是 IL17 與干擾素訊號。這與前述「發炎上升是加速期主程式」的觀察方向一致：先天調控發炎反應的能力，本身就是抗老化的保護因子。

2.6 這項研究不能推論什麼（限制）

把這篇研究放進臨床脈絡前，必須先看清它的邊界，否則很容易過度引用：

• 橫斷面、死後檢體、每人單一切片。這是最大的限制。所謂「加速期」是從不同年齡層捐贈者的一次性影像中拼湊出的族群趨勢，不是同一個人身上的縱向追蹤。它無法回答「這個人的動脈今年比去年老了多少」。
• 年齡上限 70 歲。70 歲以上的結構軌跡完全不在資料中，而這正是多數臨床決策最需要的區段。
• 切片取樣誤差。單一切片能否代表整個器官，本研究無法回答；組織異質性高的器官（如前列腺、肝臟）尤其需要保留這項不確定性。
• 無功能終點。研究連結的是組織形態與分子路徑，並未直接以臨床事件（如心肌梗塞、失智診斷）驗證結構老化分數的預測能力。這條線仍待補上。
• 族群代表性。GTEx 以歐洲血統捐贈者為主，跨族群的可推廣性需要獨立驗證（後述的東亞族群研究正是往這個方向補）。

因此，這篇研究該被理解為一張「不同組織、不同時間表」的族群地圖，而不是個人化的老化診斷工具。它的貢獻在於把「器官老化不同步」從推測變成可量化的現象，並指出共同的分子驅動力；至於個別病人的風險評估，仍必須依賴縱向設計的前瞻性世代研究。

三、器官不同步老化的機制：四個互相扣合的軸線

PathStAR 提供的是現象與路徑層次的線索（發炎上升、能量與品質管控下降）。要把這個現象接到可介入的機制，需要四個已經有獨立證據的軸線。

3.1 發炎老化（inflammaging）：跨器官的共通驅動力

TNF、干擾素與補體路徑在所有加速期同步上升，這是本研究最一致、也最容易與臨床連結的發現。它的臨床意義有二：其一，低度慢性發炎是可測量的（CRP、IL-6 等），因此可以作為器官老化的間接指標；其二，它同時是驅動者與結果——衰老細胞分泌的 SASP 包含 IL-6、IL-8、TNF-α，反過來又促進鄰近細胞衰老，形成自我強化的迴路。這解釋了為什麼單一抗發炎措施很難逆轉整體老化，而必須針對特定器官的特定時間窗。

3.2 粒線體突變的選殖累積：一個帶有「雙相」結構的分子時鐘

2025 年發表於 Nature Aging 的研究（PMID 40425806）系統性分析了 GTEx 世代 838 名健康個體、47 種組織的粒線體 RNA，重建粒線體選殖嵌合（clonal mosaicism）的動態。關鍵發現是組織間的行為完全不同：

• 分裂活躍的組織：突變隨細胞分裂擴張，變異丰度動態變化大。
• 分裂後組織（心臟、腦）：突變累積在「決定性熱點」（組織特異、反覆出現的突變位點），反映的是高能量需求與粒線體週轉本身造成的累積負荷，與細胞分裂無關。

作者並將此描述為一個「雙相分子時鐘」。這對臨床的啟示是：粒線體突變負荷的意義依組織而異——在心臟或腦，它主要反映代謝負荷；在腸道或皮膚等更新快速的組織，它主要反映複製歷史。同一個檢驗讀數，在不同器官上代表不同的事情。

3.3 蛋白質恆定失衡：第二波加速期的標記

PathStAR 顯示未摺疊蛋白反應在 10 種組織中有 8 種於第二波加速期上升。這與「老化＝蛋白質品質管控能力下降」的框架一致：累積的錯誤摺疊蛋白造成蛋白毒性壓力，進一步壓縮可用的摺疊與降解容量。臨床上的連結點是：第二波加速期（50 多歲之後）的特徵不是荷爾蒙，而是損傷累積。這意味著針對蛋白恆定的介入（如促進自噬、調整 mTORC1 訊號）在理論上更適合這個階段，而荷爾蒙相關策略則更適合第一波。

3.4 細胞衰老與品質管控的同步下滑

細胞衰老（cellular senescence）是串起上述三者的節點：衰老細胞停止分裂、粒線體功能下降（PINK1/Parkin 介導的粒線體自噬受損、氧化磷酸化與 ATP 產生下降）、並分泌 SASP 促進發炎。皮膚老化的綜論（PMID 42343432）把這條軸線在皮膚上整理得很完整：衰老細胞表現 p16^INK4a、p21^CIP1、p53 上升與 Lamin B1 下降，並伴隨 SA-β-gal 活性增加；同時表觀遺傳漂變（epigenetic drift）作為上游調控者，透過 m⁶A 修飾、組蛋白修飾與非編碼 RNA 影響轉錄保真度。

需要明確標示證據層級的是：該文中「表皮特異性剔除 DNMT1 導致 cGAS-STING 活化、慢性發炎與表皮結構破壞」的結果來自小鼠模型，屬於動物證據，不能直接外推為人體因果關係。

3.5 多體學整合：異質性老化的共同分子地圖

2025 年底 Cell Genomics 的研究（PMID 41043431）整合基因體、表觀基因體、轉錄體、蛋白體與代謝體資料，以後 GWAS 方法同時分析 9 個器官特異性時鐘與 4 個血液表觀遺傳時鐘。其價值在於提供了三個層次的對照：遺傳相關性與表型分群、可優先化的藥物靶點、以及異質性老化所中介的下游蛋白體與代謝體效應。作者指出，「老化相關疾病」本質上就是器官或系統特異性加速老化的具體表現，因此把老化本身當作共同根因來處理，理論上效益會超過逐一處理個別疾病。這是後續所有「器官時鐘」應用的共同理論前提，但仍是假設，尚待前瞻性介入試驗驗證。

四、最新研究成果：2024 年 10 月以後的文獻

以下每一篇均為 2024 年 10 月以後發表、且已閱讀全文。各篇的證據層級（人體／動物、橫斷面／縱向、觀察性／隨機分派）會在各小節明確標示。

4.1 器官老化時鐘的關鍵驗證：44,498 人的英國生物資料庫世代

2025 年 Nature Medicine 的研究（PMID 40634782）是目前把「器官年齡」推到臨床門檻最重要的一步。設計重點：

• 樣本與工具：英國生物資料庫 44,498 人，以 Olink 平台測量 2,916 種血漿蛋白，建立 11 個器官的年齡預測器（以器官富集蛋白訓練 LASSO 模型）；器官富集定義為該蛋白的編碼基因在某一器官的表現量至少是其他器官的 4 倍。
• 追蹤：前瞻性世代，最長隨訪 17 年。
• 主要結果：器官老化超前與多種疾病的未來發生相關，包括心衰竭、慢性阻塞性肺病、第 2 型糖尿病與阿茲海默症。

最具臨床份量的三個效應量：

暴露	結果	風險比（HR）
老化的大腦	阿茲海默症	HR = 3.1（與帶有一個 APOE4 對偶基因的風險相當）
老化的器官累積 2–4 個	全因死亡	HR = 2.3
老化的器官累積 8 個以上	全因死亡	HR = 8.3
年輕的大腦	全因死亡	HR = 0.60（保護）
年輕的免疫系統	全因死亡	HR = 0.58（保護）

這裡有三個必須讀出來的訊息。第一，「老化的大腦」的效應量已達遺傳風險因子的等級，這在過去以單一生物標記為基礎的架構中很少見到。第二，器官老化的累積呈劑量效應，從 2.3 倍到 8.3 倍，代表「有幾個器官超前」本身即是獨立的風險維度——這正是單一時鐘無法提供的資訊。第三，「年輕」是有預測力的，不只是「老化」：年輕的大腦與免疫系統與長壽相關，且兩者同時年輕時風險更低。這點在解讀時常被忽略——把生物年齡當成「越低越好」的單向指標，並不符合資料的全貌。

作者也檢驗了器官年齡估計對環境因子的敏感度：生活方式、社經因子與用藥都會影響器官年齡讀數。這既是優點（代表可介入）也是限制（代表讀數會波動，單次測量的穩定性需保留懷疑）。

4.2 跨族群驗證與「精簡模型」：英國、中國、美國三世代

2026 年 Nature Aging 的研究（PMID 41299092）回應了前一段最關鍵的可推廣性問題。使用 Olink Explore 3072 平台的 2,916 種蛋白，在英國生物資料庫建立全身 1 個＋器官特異 10 個時鐘（訓練 n = 43,616），並在中國（n = 3,977）與美國（n = 800）世代驗證。

主要結果與效應量：

• 大腦老化與神經精神多重共病的關聯（OR = 1.45）強於與任何單一疾病的關聯（OR = 1.1x 級），支持「器官老化是多種疾病共同前置狀態」的假設。
• 大腦年齡差對失智症：HR = 1.88（P = 1.34×10⁻¹⁷），且獨立於並可加成於既有預測因子——APOE4（HR = 1.70）、多基因風險分數（HR = 1.48）、實際年齡（HR = 1.26）與認知功能（HR = 1.23）。
• 輕度認知障礙轉為失智：大腦老化 HR = 1.89、全身老化 HR = 1.71。
• 作者另建立精簡版模型，用大幅減少的蛋白數維持接近全模型的預測表現，這是往臨床可行性邁進的實際一步（蛋白體檢測的成本與可及性是推廣的主要瓶頸）。

這篇的證據層級是多世代前瞻性觀察性研究，且訓練與驗證族群分屬三個國家，是目前跨族群證據中最完整的一組。但仍須注意：所有世代都是觀察性，無法回答「改善器官年齡能否降低失智風險」。

4.3 東亞族群的獨立驗證：中國慢性病前瞻性研究

2026 年 eBioMedicine 的研究（PMID 42526095）補上了非歐洲族群的重要缺口。設計：中國慢性病前瞻性研究（China Kadoorie Biobank）中約 4,000 人（平均年齡 58 歲），同時使用 Olink 與 SomaScan 兩種平台，以 GTEx 器官富集蛋白訓練 LightGBM 模型，建立 18 個器官的蛋白體年齡差（ProtAgeGap）。

關鍵結果集中在腎臟時鐘（每增加 1 年 ProtAgeGap）：

• 慢性腎病：HR = 1.19（95% CI 1.11–1.27）
• 慢性肝病：HR = 1.11（95% CI 1.05–1.18）
• 中風：HR = 1.03（95% CI 1.02–1.05）

三點值得注意。第一，兩種不同技術平台得到大致一致的結果，這是方法學上的重要交叉驗證（前一世代主要依賴 aptamer 平台，本次同時驗證抗體平台）。第二，效應量明顯小於歐洲族群（腎臟 1.19 vs 前述世代更大），提示跨族群的可推廣性不能假設，必須逐一驗證。第三，腎臟時鐘同時預測腎、肝與中風，符合「一個器官的超前老化會外溢到相關系統」的觀察。作者本身也明言，這些結果需要更大、更多元的族群進一步驗證，才具備臨床試驗生物標記的資格。

4.4 生活方式、657 種疾病與死亡：規模最大的 PheWAS

2025 年 Aging Cell 的研究（PMID 41062785）把 11 個器官的蛋白體時鐘對上 86 項生活方式與環境因子、657 種疾病（全表型關聯研究）以及全因死亡。核心數字：

• 每個器官的年齡差每增加 1 個標準差（z 分），全因死亡風險 HR = 1.33。
• 各器官效應量差異明顯：腦年齡最強（HR = 1.62），肌肉年齡最弱（HR = 1.19）。
• 器官特異性關聯的實例：腎臟年齡上升與慢性腎病（HR = 1.67）、糖尿病（HR = 1.54）相關；「老化型」腎臟與肝硬化（HR = 2.90）相關；蛋白質老化加速與肝衰竭（1.68）、心室頻脈（1.66）、低血糖（1.54）、血管性失智（1.48）相關。
• 反向的關聯也存在：脂肪老化加速與腹股溝疝氣風險下降（HR = 0.78），提醒「老化超前一律有害」是過度簡化。
• 時間性：加速老化發生得越早，全因死亡風險越高。

這篇的價值在於「可修飾性」：器官老化與生活方式因子及基線健康狀態相關，代表它是一個動態、可改變的量，而不是固定的體質標記。

4.5 社區型世代的前瞻證據：ARIC 研究

2025 年 JCI Insight 的研究（PMID 41355799）以社區為基礎的 ARIC 世代（Atherosclerosis Risk in Communities）11,757 人（55.6% 女性，平均 57.1 歲）建立 11 個器官的蛋白體年齡，檢驗與後續疾病發生的關聯。設計特色是把「同器官的時鐘」對上「同器官的結果」，這是檢驗器官特異性最直接的設計。

器官年齡差（每增加 5 年）	結果	HR（95% CI）
動脈	冠心病	1.22（1.13–1.31）
心臟	冠心病	1.16（1.07–1.26）
肺臟	肺癌	1.12（1.09–1.16）

此外，「多器官老化」者風險全面上升：癌症 HR = 1.19、死亡 HR = 1.75、末期腎病 HR = 6.12（4.65–8.06）、心衰竭 HR = 1.92、感染 HR = 1.56、中風 HR = 1.36。這些關聯在校正實際年齡後仍顯著，是這類研究最關鍵的統計主張。

4.6 影像學器官時鐘：不必抽血也能估器官年齡

2026 年 Nature Medicine 的研究（PMID 41102562）以 MRI 建立 7 個器官的影像老化時鐘（MRIBAG），並與 2,923 種血漿蛋白（ProWAS）及 327 種代謝物（MetWAS）做全體關聯，再以 GWAS 與貝氏共定位尋找可成藥基因。技術表現為：預測年齡與實際年齡的 Pearson r 介於 0.23–0.77，平均絕對誤差約 5 歲。基因—器官對應上出現清楚的生物學合理性，例如脾臟時鐘與 VCAM1（β = −0.89 ± 0.04）、胰臟與 PLA2G1B（β = −1.14 ± 0.07）、腎臟與肌酸酐（β = 21.77 ± 0.65）。

同一時期 NPJ Digital Medicine 的研究（PMID 41741601）亦以影像特徵建立器官特異性老化時鐘並連結疾病與死亡。影像學器官時鐘的優勢是非侵入、可重複、可與既有影像檢查整合；限制則是 MAE 約 5 歲的精度，對個別病人的臨床決策仍嫌粗糙，且 MRI 成本高、可及性差——這是為什麼血漿蛋白體路線在臨床推廣上更具現實性。

4.7 糖尿病併發症：器官老化群集與加成效應

2026 年 Cardiovascular Diabetology 的研究（PMID 41692750）針對 1,979 名糖尿病患者（Olink Explore 3072，2,916 種蛋白），以三種不同老化模型估計 11 個器官的年龄差，中位追蹤 12.71 年。「極端老化」定義為超過該器官年齡差平均 1.5 個標準差。

• 極端心臟老化 → 心血管事件：校正後 HR = 2.92（95% CI 2.13–3.99，P < 0.001），是最強的單一關聯。
• 其他顯著者：腦（HR = 1.43，1.06–1.92）、動脈（1.59，1.06–2.39）、胰（1.35，1.04–1.77）。
• 器官數的加成性：基線有超過 3 個器官極端老化者，併發症風險顯著高於 0–3 個者。
• 交互作用：心臟與肌肉同時老化對心血管事件的相對超額風險（RERI）= 3.49（95% CI 0.74–8.16），可歸因比例（AP）= 0.58（0.14–0.74）——信賴區間下緣接近或低於 0，代表此交互作用雖方向一致，但統計上仍不精確。
• 結果在三種不同老化模型下皆一致，是穩健性的加分項。

臨床意義很直接：糖尿病患者如果能分辨是「哪個器官在超前老化」，就可能改變監測重點（例如極端心臟老化者優先強化心血管風險控制）。但這仍是觀察性世代，且經多重比較校正，需要外部驗證。

4.8 心衰竭嚴重度與性別差異

2025 年 Cardiovascular Diabetology 的研究（PMID 41225469）在 556 名心衰竭風險族群（HELPFul 世代）中估計心臟、動脈與腎臟的器官老化加速（OAA）與心衰竭分期的關聯：

• 心臟 OAA 與進階心衰竭（Stage C/D）：女性 OR = 1.12（1.03–1.23）、男性 OR = 1.18（1.05–1.32）。
• 動脈 OAA 僅在女性與心衰竭相關：OR = 1.10（1.01–1.18）。
• ≥ 2 個器官同時進階老化：處於 Stage C/D 的勝算超過 3 倍。
• 代謝指標 TyG-BMI 與腎臟 OAA 相關，僅在女性顯著：z 標準化後 OR = 1.88（1.45–2.45）。

這篇的貢獻是性別特異性：同樣是器官老化超前，在男女身上的臨床意義不同。這是「單一時鐘」框架最容易抹掉的資訊之一。

4.9 遺傳架構與因果推論：51,936 人的蛋白體—基因體整合

2025 年 Nature Communications 的研究（PMID 41381541）整合 51,936 名英國生物資料庫參與者的蛋白體與基因體資料，針對 13 個器官的老化進行分析：

• 識別 119 個與器官老化相關的基因座，其中 27 個在多個器官間共享，並優先篩出 554 個風險基因，涉及器官相關生物路徑（例如免疫老化中的 T 細胞媒介免疫）。
• 因果推論顯示：心臟與肌肉老化加速會增加心衰竭風險；腎臟老化則貢獻於高血壓（OR = 1.06）。腦老化與阿茲海默症風險的關聯最顯著（OR = 1.68）。
• 吸菸起始與肺（β = 0.27）、腸（0.23）、腎（0.11）與胃的老化呈正向關聯。

這篇的重要性在於提供了「器官老化」與疾病之間的方向性線索——過去多數研究只能說相關，此處以遺傳工具變數嘗試推論因果。但基因體因果推論仍受水平多效性等假設限制，不能等同於隨機試驗的因果證據。

4.10 更年期與器官特異性老化：兩個世代的重複驗證

2025 年 BMC Medicine 的研究（PMID 40770753）用兩個前瞻性世代（中國 CMEC 與英國生物資料庫）檢驗更年期與器官特異性生物年齡的關係，採用 Klemera-Doubal 法與臨床生物標記計算綜合與器官特異性生物年齡。結果：

• 縱向變化對變化模型：相較於仍處於停經前的女性，經歷更年期過渡者綜合生物年齡增加更多——CMEC β = 1.33（95% CI 0.89–1.76）、UKB β = 2.60（1.91–3.30）；肝、代謝與腎的生物年齡亦同向增加。
• 更年期越早，綜合生物年齡加速越明顯（< 40 歲：β = 0.69，0.39–0.98；40–44 歲：β = 0.24，0.09–0.40）。
• 在器官特異性生物年齡中，肝臟的關聯最強。
• 生殖史（活產年齡、活產數）為潛在修飾因子。

這篇在本文架構中有特殊地位：它是獨立於 PathStAR、用完全不同的方法（臨床生化標記而非組織切片）驗證了「更年期是女性特定器官老化的加速窗」。兩條完全不同的技術路線指向同一個生理事件，這比單一研究內部的發現更有說服力。同時它也是縱向設計，補上了 PathStAR 橫斷面的弱點。

4.11 皮膚與結締組織：局部老化能不能當作全身老化的窗口？

這是醫美與皮膚科最關心的問題，而近兩年的文獻給出的答案是：可以作為訊號來源，但目前的證據不足以作為全身老化的替代指標。逐一檢視：

（a）細胞外基質老化時鐘（PMID 41986913，2025 年 Aging Cell）：以血漿中 14 種基質體（matrisome）蛋白建立的老化時鐘能準確預測實際年齡，並在獨立驗證與不同體液中維持穩健。核心發現是基質體蛋白在血漿中呈 U 形隨齡軌跡，且與疾病的關聯強於其他蛋白。這對醫美的意義是：結締組織的「老化」確實可以在血液中被量化到。但必須明確標示證據層級——文中「異時共生（heterochronic parabiosis）可讓小鼠 ECM 回春」的證據來自動物模型，不能外推為人體療效。

（b）皮膚老化的機制整合（PMID 42343432，2026 年 Immunity & Ageing）：把皮膚老化整理為「表觀遺傳漂變 → 細胞衰老 → 免疫清除失敗（免疫老化）→ 慢性發炎（發炎老化）」的自我強化軸線。文中指出皮膚特異性甲基化時鐘與臨床老化表型（皺紋、臉部老化、光老化相關的表觀基因體改變）相關。同樣需注意，部分機制證據來自小鼠模型。

（c）填充物與皮膚機械生物學（PMID 42505292，2026 年 Gels）：這篇敘事性回顧提出一個有價值的框架——真皮細胞外基質的斷裂與排列失序，會降低傳遞到纖維母細胞的機械力，進而造成 MMP 表現上升、第一型膠原合成下降（部分經由 c-Jun/AP-1 活化與 TGF-β/TβRII 訊號減弱）。人體 in vivo 證據最強的是交聯玻尿酸：結構支撐增加與纖維母細胞展開、TGF-β 相關訊號活化、第一型膠原沉積增加相關。作者明確指出兩項限制：其一，YAP/TAZ 機械訊號下降與 cGAS-STING 依賴性衰老的關聯僅見於實驗模型，在人類真皮的因果角色仍未確立；其二，填充物的塊材流變學測量並不能定義細胞尺度的力傳遞，因此「打了填充物就改善真皮機械生物學」是尚待驗證的推論。鈣羥基磷灰石與其他生物刺激型填充物的證據則較為異質。

（d）把皮膚生物標記接進醫美決策（PMID 42666747，2026 年 Frontiers in Medicine）：這篇提出一個五層的轉譯診斷框架（全身生物年齡與長壽生物標記；皮膚／組織特異分子標記，含表觀遺傳、衰老相關、發炎、糖化、氧化損傷、細胞外基質與屏障；功能性標記如彈性、含水、微循環、屏障完整性與修復能力；影像與形態學診斷；以及數位表型）。其結論對本文最為重要，值得直接引述其立場：全身生物年齡標記提供「系統性脈絡」，皮膚特異的分子與影像標記則提供「局部組織老化的直接線索」；然而目前多數可用工具尚未被充分驗證到足以支持醫美療程選擇或「生物性回春」的宣稱。作者因此把分析效度、臨床效度、可重現性、標準化、涵蓋各膚色的驗證與臨床上有意義的終點，列為負責任轉譯的前提。

綜合這四篇：皮膚與結締組織的老化確實與全身老化共用機制（發炎、細胞衰老、基質重塑），但兩者的關聯強度尚不足以讓皮膚指標成為內臟老化的替代測量。實務上合理的定位是：皮膚指標用於追蹤局部治療效果與病人溝通，而非用來推論肝、腎或心血管的老化程度。

4.12 介入對器官特異性老化指標的效應：目前仍然分歧

這是最容易被誇大、也最需要謹慎的一節。近兩年的高品質研究呈現的是不一致，而非一致獲益。

（a）菸鹼醯胺核糖 vs 高強度間歇訓練（PMID 42481916，2026 年 Aging Cell）：橫跨三個獨立的芬蘭雙胞胎世代研究，評估 5 個月的 NR 補充與 4–6 週 HIIT 對人類骨骼肌表觀遺傳年齡加速（EAA，以七個時鐘測量）的影響。結果是分歧的：NR 在部分時鐘降低 EAA（例如 DunedinPACE 的變化 β = −0.0x 級），而 HIIT 在若干時鐘反而增加 EAA（DunedinPACE 等）。作者自己的結論是「需進一步研究釐清 NR 與運動如何調控表觀遺傳老化」，並強調這種分歧正說明組織特異性與時鐘特異性。信度方面，血液時鐘的 ICC 介於 0.86（PCHorvath）至更低值之間，肌肉組織的 ICC 以 DunedinPACE 最低（0.78）。

（b）減重飲食介入（PMID 40922554，2025 年 Aging Cell）：MACRO 隨機試驗（12 個月、低脂 vs 低碳水飲食，n = 144 有甲基化資料）檢驗三種表觀遺傳指標（DunedinPACE、PCPhenoAge、PCGrimAge）與心代謝生物標記的關係。結果：基線時 DunedinPACE 與胰島素、HOMA-IR、總膽固醇等顯著相關（FDR < 0.05）；但介入後的變化量與生物標記的變化量無顯著關聯，也未中介減重效果。這是「介入改變了時鐘 ≠ 介入改善了生理」的直接反例，也是目前對表觀遺傳時鐘因果地位最有力的質疑之一。

（c）生活方式與多器官生物年齡（PMID 40052974，2025 年 eLife）：中國多民族世代 8,396 人完成兩次調查，以 Klemera-Doubal 法計算綜合與器官特異性生物年齡。結果顯示健康生活方式指數（吸菸、飲酒、飲食、運動、睡眠五項）改變與生物年齡加速呈保護性關聯，綜合生物年齡加速平均位移 −0.11（95% CI 部分區間跨 0）；飲食與吸菸是主要貢獻者，分別對綜合生物年齡（24%）與代謝生物年齡（55%）貢獻最大。器官特異性生物年齡的疾病關聯：肝臟生物年齡每增加 1 SD 與慢性肝炎或肝硬化風險上升相關（OR = 1.28）、代謝生物年齡每增加 1 SD 與心血管疾病（OR = 1.21）及糖尿病（OR = 3.23）相關。

（d）介入清單的系統性整理（PMID 42294499，2026 年 Frontiers in Genetics）：這篇回顧整理了「哪些介入能降低次世代表觀遺傳時鐘」的人類研究，共納入數十項介入。可直接引用的重點有二：其一，回應率差異極大——同一種介入在不同時鐘上的反應常常相反，各時鐘的整體「回應率」約在 33%–36% 之間；其二，效果最顯著者為 semaglutide，降低 DunedinPACE 約 9%。這與 (a)(b) 的結論一致：目前沒有任何單一介入能同時、一致地改善所有器官的所有老化指標。

（e）體外衰老細胞清除證據（PMID 39905063，2025 年 npj Aging）：在周邊血液單核細胞（PBMC）體外培養中，衰老細胞清除藥物（RG7112、JQ1、nutlin-3a）可降低表觀遺傳年齡估計值，並使 NK 細胞與 B 細胞比例朝 T 細胞傾斜。這是體外（in vitro）證據，作者自己明確指出：對年齡相關生物標記的影響不等於安全性與有效性，要證實能延緩生物體老化仍需臨床試驗。

4.13 單一時鐘的限制：預測效度與可靠度的實證

把前述器官時鐘的正面結果放回脈絡，必須同時處理三個方法學問題。

（a）技術可靠度 ≠ 生物可靠度（PMID 42525215，2026 年 Aging Cell）：以 TranslAGE 平台評估 18 種 DNA 甲基化老化生物標記的技術與生物可靠度。發現多數時鐘在 EPIC 與 450K 陣列的重複檢測間具有極佳的技術可重現性；但「技術精確」不等於「生物穩定」——有些時鐘對急性、可逆、微小的暴露（單一壓力事件，甚至一天中的不同時段）反應劇烈。更關鍵的是下游效應：可靠度較高的時鐘產生較穩定的認知結果關聯與較一致的介入反應估計；可靠度較低的時鐘會給出變動大或具誤導性的結果。過去研究已記錄部分時鐘的重複檢測差異可達近十年。

（b）最好的是哪一個？仍需逐項比較（PMID 41792861，2026 年 Biomarker Research）：柏林老化研究 II（BASE-II，n = 1,671，縱向追蹤）在同一世代內直接比較14 種共識老化生物標記（包含 CRP、走路速度、IGF-1、血壓、肌肉量、DNAmGDF15、握力、計時起走、IL-6、DunedinPACE 等）與全因死亡的關聯。結論：DunedinPACE 是最強且最一致的預測因子，並在依死因分層的次組分析中維持；同一研究中多項傳統標記（CRP、走路速度、IGF-1、血壓、肌肉量、DNAmGDF15、計時起走）則未達顯著。文中引用的外部對照包括 Normative Aging Study（n = 771 位男性，平均 77 歲，HR = 1.26）與 Framingham Heart Study（n = 2,471，54% 女性，平均 66 歲，HR = 1.65），以及芬蘭老化雙胞胎研究（DunedinPACE 較高者死亡風險 HR = 1.38）。

這兩個數字的落差值得注意：同一個指標在不同世代、不同年齡結構、不同校正變項下的 HR 可以從 1.26 到 1.65。把它當作精確的個人風險數字，是對這種變異性的誤讀。

（c）縱向重複測量的可行性（PMID 42163406，2026 年 Clinical Epigenetics）：挪威 HUNT 世代以重複DNA 甲基化測量檢驗老化速率與全因死亡。重複測量的再測信度為中等至優異（ICC 0.69–0.91）。每增加 1 SD 的老化速率：DNAmGrimAge2 在 HUNT2 的 HR = 2.42（95% CI 1.25–4.68）、HUNT3 為 2.30（1.22–4.33）；DunedinPACE 的 HR = 1.99。此外，HUNT2 到 HUNT3 之間「老化速率的年變化量」本身也與死亡風險相關（校正後 HR = 1.76）。這個設計的意義在於：它證明表觀遺傳時鐘可以被縱向追蹤，是「生物年齡能否當作動態指標」的關鍵前提。

（d）臨床化驗室時鐘與商品化的界線（PMID 41372266，2025 年 Scientific Reports；PMID 42263234，2026 年 Journal of Medical Internet Research）：前者以例行血液生化 7 項標記、59,741 份健康樣本建立臨床老化時鐘，並提出修正第一代時鐘系統性偏差的方法，改善疾病風險的預測準確度與可解釋性；老化加速的 HR 介於 1.012 至更高值之間，且在 NHANES 與英國生物資料庫兩個獨立族群驗證。效應量雖小，但成本極低、可及性高，是實務上最可能先落地的類型。後者則是一篇立場文章，直言穿戴式裝置的「生物年齡」多半以心率變異、睡眠型態與運動習慣推估，若缺乏臨床脈絡即解讀結果，可能造成焦慮或對整體健康狀況的誤判。

4.14 大腦與認知：器官老化指標最有臨床潛力的一條線

在所有器官中，大腦老化與認知結局的證據鏈最完整，值得單獨整理，因為它示範了「器官時鐘如何加值到既有臨床路徑」。

（a）前瞻性世代（PMID 39532828，2025 年 GeroScience）：在英國生物資料庫中，以 127 種腦富集蛋白訓練年齡預測器（優化後的精簡模型使用 63 種蛋白，R² = 0.74、預測值與實際年齡相關 r = 0.86，優於 127 蛋白模型的 R² = 0.61）。結果（腦年齡差 z 分每增加 1 單位）：全因失智 HR = 1.67（95% CI 1.56–1.79，P < 0.001）、阿茲海默症 HR = 1.85（1.66–2.08）、血管性失智 HR = 1.86（1.55–2.2x）。2.1% 的研究對象屬於「極度老化」（z > 2），其全因失智風險超過 3 倍（HR = 3.42，2.25–5.20）。另有一個值得注意的修飾效果：在生活方式較健康的參與者中，關聯反而更強（所有交互作用 P < 0.05）——解讀時需注意，這代表在低風險族群中，腦年齡差所捕捉的訊號更純粹。

（b）蛋白體老化與認知表現（PMID 40701901，2025 年 Journal of Prevention of Alzheimer's Disease）：在老年人中檢驗器官特異性蛋白體老化與認知表現的關聯，並分析類澱粉蛋白狀態（以腦脊髓液 Aβ_1–42 < 600 ng/L 與 Aβ_42/40 比值 < 0.89 判定陽性）的效應修飾，交互作用項顯著（q < 0.001），支持「腦老化指標與類澱粉蛋白病理在預測失智風險上具協同效果」。

（c）蛋白體阿茲海默症風險分數（PMID 41157910，2025 年 Alzheimer's & Dementia）：以 SomaScan 7K 平台分析 498 名印第安納阿茲海默症研究中心參與者，結合器官特異性老化時鐘與偽時間（pseudotime）軌跡。結果：以認知功能優化的腦與肝老化加速程度，與阿茲海默症診斷及生物標記顯著相關；偽時間呈現由認知正常到阿茲海默症的分子軌跡；加入蛋白體風險分數後，既有血漿生物標記的分類表現提升；偽時間在診斷分類上甚至優於既有血漿生物標記。限制是樣本數僅 498、單一中心，需外部驗證。

（d）多器官協同效應與中介分析（PMID 41326677，2025 年 Communications Medicine）：以台州影像研究的社區型前瞻性世代，檢驗多重器官系統老化時鐘與生活型態、健康狀態及心血管風險的關係。兩個可直接引用的結果：其一，吸菸與嗅覺辨識能力下降的關聯，部分由大腦老化（中介比例 12.46%，95% CI 4.37%–24.44%）與腎臟老化（6.94%，1.08%–18.63%）中介；其二，心血管系統、骨骼、代謝、腦與全身的生物年齡，對心血管事件風險的關聯強於實際年齡。這篇的價值在於把「器官老化」放進因果路徑的中介位置，而不只是風險標記。

五、臨床實務建議

以下建議以證據層級為分界撰寫。請注意：目前沒有任何一項器官老化時鐘取得監管機構核准用於個別病人的診斷或治療決策。以下定位為「研究工具與風險分層的輔助」，而非標準照護。

5.1 可以做的：把「單一數字」改成「器官剖面」的思考習慣

• 要求器官層級的資訊，而不是一個總分。當檢驗或服務只給出「生物年齡比實際年齡大 5 歲」，應追問：這是全身綜合指標，還是特定器官？若為全身綜合，它可能平均掉了方向相反的訊號（例如超前老化的動脈＋年輕的免疫系統），臨床指向性有限。
• 以「同器官對同器官」的原則解讀。ARIC 世代顯示動脈年齡差對冠心病、肺年齡差對肺癌的關聯才有特異性（PMID 41355799）；跨器官的關聯解讀需格外保守。
• 辨識共享驅動因子的可能。若病人的多個器官同時超前老化，優先檢查可治療的共通因素：代謝症候群與胰島素阻抗（與腎臟與心臟老化相關，PMID 41225469）、吸菸（與肺、腸、腎、胃老化相關，PMID 41381541）、低度慢性發炎。
• 把「有幾個器官超前」當成獨立的風險維度。8 個以上器官老化者全因死亡 HR 達 8.3（PMID 40634782）；糖尿病族群中超過 3 個器官極端老化者併發症風險顯著升高（PMID 41692750）。這種「劑量效應」是單一時鐘無法提供的資訊。
• 注意「年輕」也帶有資訊。年輕的大腦與免疫系統與長壽相關（HR 0.60、0.58），但這是族群層面的關聯，不構成對個人的保證。

5.2 不可以做的：四個常見的過度推論

1. 不要把器官時鐘當成診斷工具。所有器官老化時鐘的效應量都是族群層級（HR 多在 1.1–1.9，極端組可達 3–8）。族群層級的相對風險不能轉換為個別病人的診斷或預後判斷。用於個人時，必須明確告知這是一項風險分層的研究性指標。
2. 不要假設生物標記改善等於健康改善。MACRO 隨機試驗是關鍵反例：介入後表觀遺傳老化指標的變化量與心代謝生物標記的變化量無顯著關聯，也未中介減重的健康效果（PMID 40922554）。這是「替代終點」的典型風險。任何以「你的生物年齡降低 3 歲」為賣點的療程，都必須以臨床終點而非時鐘讀數來證明其價值。
3. 不要假設同一介入對所有器官、所有時鐘都有效。NR 與 HIIT 對骨骼肌表觀遺傳老化的效果方向相反（PMID 42481916）；各表觀遺傳時鐘對介入的整體回應率僅約 33%–36%，且同一介入在不同時鐘上常出現相反結果（PMID 42294499）。
4. 不要把動物與體外結果當作人體療效。本文明確標示的動物證據包括：異時共生可讓小鼠 ECM 回春（PMID 41986913）、DNMT1 剔除導致小鼠表皮 cGAS-STING 活化（PMID 42343432）、YAP/TAZ 機械訊號與 cGAS-STING 的關聯（PMID 42505292，在人類真皮的因果角色未確立）。本文標示的體外證據包括：衰老細胞清除藥物降低 PBMC 的表觀遺傳年齡（PMID 39905063，作者明言不等於安全性與有效性）。這些都不能作為臨床處方的依據。

5.3 醫美與皮膚科評估的具體定位

器官不同步老化的概念在醫美領域最容易被誤用，因此需要更明確的界線。依據目前文獻（PMID 42666747、42505292、42343432、41986913），合理的做法是：

• 分層解讀，不合併成單一結論。全身生物年齡標記提供系統性脈絡；皮膚特異的分子與影像標記提供局部組織老化的直接線索。兩者不應互相替代，也不應以皮膚指標反推內臟老化程度。
• 把驗證程度說清楚。皮膚老化與內臟老化確實共用機制（發炎老化、細胞衰老、基質重塑），但目前的證據強度不足以讓皮膚指標成為內臟老化的替代測量。
• 對「生物性回春」的宣稱保持保留。目前的共識立場是：多數可用工具尚未被充分驗證到足以支持療程選擇或生物性回春的宣稱；應以分析效度、臨床效度、可重現性、標準化與涵蓋各膚色的驗證為前提，並採用臨床上有意義的終點。
• 填充物的定位是機械性支持，不是抗老化治療。人體 in vivo 證據最強的部分是交聯玻尿酸與纖維母細胞展開、TGF-β 相關訊號活化及第一型膠原沉積的關聯，但塊材流變學無法定義細胞尺度的力傳遞，其他生物刺激型填充物的證據更為異質。
• 善用皮膚老化的時間特性。皮膚同時受內在老化與外在（紫外線、氧化、糖化）影響；UV 會透過活性氧增加、MMP 活性上升與 SASP 促進表觀遺傳老化加速，因此防曬與抗氧化屬證據方向一致的基礎措施，而口服或注射型「回春」療程多數仍缺乏臨床終點支持。

5.4 風險溝通：三個必須說出口的限制

• 單次測量的變異性。不同時鐘的可靠度差異很大；可靠度低的時鐘會產生變動大或誤導性的結果（PMID 42525215）。急性感染、壓力事件甚至一天中的取樣時間都可能影響讀數。任何單次讀數都不應作為重大決策的唯一依據。
• 世代與族群的可推廣性。同一指標的效應量在不同族群差異明顯：DunedinPACE 的死亡風險 HR 在不同世代間為 1.26 至 1.65（PMID 41792861）；東亞族群的腎臟時鐘效應量（HR = 1.19）明顯低於歐洲族群（PMID 42526095）。將歐洲世代的閾值直接套用於其他族群，在方法上缺乏依據。
• 穿戴式裝置的「生物年齡」門檻最低。以心率變異、睡眠與運動習慣推估的指標，缺乏臨床脈絡時解讀，可能造成焦慮或對整體健康狀況的誤判（PMID 42263234）。應明確告知病人這類指標與臨床驗證過的生物標記不同層級。

六、未來展望

第一，時序性介入研究是下一個關鍵缺口。PathStAR 指出不同器官有不同加速窗，且第一波以荷爾蒙訊號為主、第二波以損傷反應為主。這直接指向一個可檢驗的假設：介入的效益取決於時機與器官。目前所有的介入研究（本文 4.12 節）都沒有人在設計上依「器官的加速窗」分層，這是未來最值得投入的方向。

第二，以臨床終點驗證替代終點。MACRO 試驗的結果（時鐘變化與生理變化脫鉤）是一個警訊。要讓器官老化指標真正進入臨床，必須有隨機試驗以硬終點（心血管事件、失智診斷、全因死亡、功能衰退）驗證「降低器官年齡」是否帶來健康獲益，而非僅證明讀數改變。

第三，跨族群與跨平台的標準化。現有證據顯示平台（Olink／SomaScan／抗體晶片）、族群（歐洲／東亞）、器官數（10／11／18）與模型（LASSO／LightGBM／彈性網）各不相同，導致效應量無法直接比較。統一的參考標準與公開驗證資料集，是這個領域從研究走向可比較、可監管的必要條件。

第四，把結構與分子兩條線接起來。PathStAR 提供「何時改變」，蛋白體時鐘提供「目前老化到什麼程度」，粒線體選殖分析提供「累積了什麼損傷」。目前三者仍由不同團隊、不同樣本、不同分析方法各自推進，缺乏在同一個體上同時測量的研究。這是把「器官老化不同步」從現象推向可操作指標的必經之路。

第五，也是對臨床工作者最重要的一點：目前我們能夠可靠說的是「器官老化不同步，且在族群層面可被量化、與疾病風險相關」。我們還不能可靠說的是「調整某個器官的老化速度可以改善這個人的健康結局」。前者足以支持有節制的風險溝通與研究方向；後者才是臨床決策的門檻。把兩者分清，是這個領域現階段最需要保持的紀律。

參考文獻（均已全文查閱）

1. Yadav A, Alvarez K, Chechenina A et al. Mapping structural aging across human tissues reveals tissue-specific trajectories and coordinated deterioration. Nat Aging. 2026;6(9):2013-2027. PMID: 42675190
2. Wang Z, Li Z, Liu H et al. Mitochondrial clonal mosaicism encodes a biphasic molecular clock of aging. Nat Aging. 2025;5(8):1637-1651. PMID: 40425806
3. Xiong J, Zhu X, Guo Y et al. Multi-omic underpinnings of heterogeneous aging across multiple organ systems. Cell Genom. 2025;5(12):101032. PMID: 41043431
4. Su J, Jin H. Advances in skin aging: integrating epigenetic, cellular, and immune mechanisms for targeted therapy. Immun Ageing. 2026;23(1):35. PMID: 42343432
5. Oh HS, Le Guen Y, Rappoport N et al. Plasma proteomics links brain and immune system aging with healthspan and longevity. Nat Med. 2025;31(8):2703-2711. PMID: 40634782
6. Wang Y, Xiao S, Liu B et al. Organ-specific proteomic aging clocks predict disease and longevity across diverse populations. Nat Aging. 2026;6(1):162-180. PMID: 41299092
7. Bennett DA, Wang B, Xiao S et al. Proteomic organ-specific signatures, ageing traits, disease risks and genetic architecture in an East Asian population. EBioMedicine. 2026;130:106401. PMID: 42526095
8. Wang Q, Huang J, He Q et al. Patterns of Organ-Specific Proteomic Aging in Relation to Lifestyle, Diseases, and Mortality. Aging Cell. 2025;24(12):e70251. PMID: 41062785
9. Liu CS, Yeo WJ, Surapaneni A et al. Biological organ ages associate with risk of chronic diseases in a community-based population. JCI Insight. 2025;10(23):e197304. PMID: 41355799
10. MULTI Consortium, Cao H, Song Z et al. MRI-based multi-organ clocks for healthy aging and disease assessment. Nat Med. 2026;32(1):82-92. PMID: 41102562
11. Ren P, Su W, You J et al. Imaging-based organ-specific aging clock predicts human diseases and mortality. NPJ Digit Med. 2026;9(1):278. PMID: 41741601
12. Yuan S, Lin Z, Song Y et al. Proteomics-derived organ-specific aging clusters predict macrovascular and microvascular complications in diabetes. Cardiovasc Diabetol. 2026;25(1):94. PMID: 41692750
13. Qu K, Dal Canto E, van Ommen ALN et al. Proteome organ aging and cardiometabolic risk in a population at risk for heart failure. Cardiovasc Diabetol. 2025;24(1):430. PMID: 41225469
14. Zhu RJ, Guo Y, Wang JH et al. Revealing the genetic architectures underlying organ-specific aging based on proteomic data. Nat Commun. 2025;17(1):528. PMID: 41381541
15. Xiang Y, Meng Q, Huang Z et al. Menopausal status, transition, and age at menopause with accelerated biological aging across multiple organ systems: findings from two cohort studies. BMC Med. 2025;23(1):461. PMID: 40770753
16. Coenen L, Molière A, Lehallier B et al. An Extracellular Matrix Aging Clock Based on Circulating Matrisome Proteins Predicts Biological Aging and Disease. Aging Cell. 2026;25(4):e70474. PMID: 41986913
17. Marchetti F, Habib MMF, Basso M. From ECM Aging to Mechanobiological Restoration: Injectable Fillers and Dermal Fibroblast Mechanotransduction-A Narrative Review. Gels. 2026;12(7):609. PMID: 42505292
18. Cohen S, Thor D. From skin aging biomarkers to precision esthetic longevity: a translational diagnostic framework. Front Med (Lausanne). 2026;13:1902741. PMID: 42666747
19. Heikkinen A, Uusitalo-Kylmälä L, Blom I et al. The Divergent Effects of Nicotinamide Riboside and High-Intensity Exercise Training on Skeletal Muscle Epigenetic Aging. Aging Cell. 2026;25(8):e70638. PMID: 42481916
20. Kou M, Li X, Heianza Y et al. Epigenetic Age Acceleration and Cardiometabolic Biomarkers in Response to Weight-Loss Dietary Interventions Among Obese Individuals: The MACRO Trial. Aging Cell. 2025;24(11):e70224. PMID: 40922554
21. Zhang Y, Tang D, Zhang N et al. Lifestyles and their relative contribution to biological aging across multiple-organ systems: Change analysis from the China Multi-Ethnic Cohort study. Elife. 2025;13:RP99924. PMID: 40052974
22. Johnson AA, Sinclair DA. Turning back time: a comprehensive list of interventions that decrease next-generation epigenetic aging clocks in humans. Front Genet. 2026;17:1836446. PMID: 42294499
23. Tharmapalan V, Du Marchie Sarvaas M, Bleichert M et al. Senolytic compounds reduce epigenetic age of blood samples in vitro. NPJ Aging. 2025;11(1):6. PMID: 39905063
24. Sehgal R, S Borrus D, Gonzalez J et al. Biological Versus Technical Reliability of Epigenetic Clocks and Implications for Disease Prognosis and Intervention Response. Aging Cell. 2026;25(8):e70635. PMID: 42525215
25. Vetter VM, Junge MP, Drevon CA et al. Comparing fourteen consensus biomarkers of aging: epigenetic pace of aging as the strongest predictor of mortality in BASE-II. Biomark Res. 2026;14(1):37. PMID: 41792861
26. Sun YQ, Urbarova I, Jiang L et al. Association between pace of aging estimated from blood DNA methylation and all-cause mortality: the HUNT study. Clin Epigenetics. 2026;18(1):81. PMID: 42163406
27. Meyer DH, Mejia G, Molière A et al. A sex-adjusted 7-biomarker clinical aging clock for translational preventative medicine. Sci Rep. 2025;15(1):43538. PMID: 41372266
28. Congdon J. Sorting Science From Marketing in the Era of Data-Driven Biological Aging Clocks. J Med Internet Res. 2026;28:e102951. PMID: 42263234
29. Kou M, Ma H, Wang X et al. Plasma proteomics-based brain aging signature and incident dementia risk. Geroscience. 2025;47(2):2335-2349. PMID: 39532828
30. Li Y, Xu X, Zheng Y et al. Synergistic and heterogeneous aging using composite phenotypes and multiple organ systems aging clocks. Commun Med (Lond). 2025;5(1):506. PMID: 41326677
31. Kang S, Baker S, Hayhoe B et al. Organ-specific proteomic aging and cognitive performance: Implications for risk prediction of Alzheimer's disease and related dementias in older adults. J Prev Alzheimers Dis. 2025;12(9):100274. PMID: 40701901
32. Liu S, Huang YN, Park T et al. Plasma proteomic Alzheimer's risk score: Biological age clock and pseudotime trajectory. Alzheimers Dement. 2025;21(10):e70851. PMID: 41157910

---

本文整理自 PubMed 索引之同儕審查文獻全文，僅供醫療專業人員參考，不構成個別患者之治療建議。