AIが健康診断から導く「隠れた年齢差」：大規模研究で見えた予防のヒント

スナップサマリー

• 健康診断データだけで予測したAIの生物学的年齢は、死亡リスクを最大で約7%精度高く分類
• 会食や不規則な生活が多い人でも、生活改善による加齢スピード低減の可能性が示唆
• 高齢者や特殊集団への適用は限定的で、再現性検証が必要

研究を読むきっかけ

近年、日本人の平均寿命は男性81歳、女性87歳を超えましたが、健康寿命との差は約10年あります。46歳、営業職の佐藤さんは、日々の外回りと会食続きで、健康診断の数値がじわじわ悪化。血圧や体重の変化は気になるものの、実際に自分が「年齢以上に老けている」のかは分かりません。そこで今回は、最新研究で明らかになった「AIによる生物学的年齢評価」の真相を探ります。

研究の紹介（論文情報）

• 原題／
• 邦題：Large language model-based biological age prediction in large-scale populations／大規模集団における大規模言語モデルによる生物学的年齢予測
• 掲載誌・年／DOI／PubMed URL：Nature Medicine, 2025年、10.1038/s41591-025-03856-8、PubMed
• 著者（第一／最終）：Wenzhao Ma／Di Qian
• 第一所属・国：清華大学（中国）
• デザイン：6大規模コホートを用いた観察研究（総参加者約1,019万人）
• 対象：年齢18〜123歳、男女比ほぼ均等
• 介入：健康診断報告書を入力としてLLMが「全身」および「臓器別」生物学的年齢を推定
• 比較群：従来の機械学習モデルや既存の老化指標（テロメア長、エピゲノム年齢、フレイル指数など）
• 主要アウトカム：全死亡・疾病発症の予測精度（C-index）、加齢ギャップと疾患リスクの関連
• 追跡
• 期間：最大20年
• 登録番号・
• 資金・COI：本文記載あり（清華大学等からの資金提供）

研究の要旨（Abstract）

• 成果：LLM予測の全身年齢は、全死亡予測でC-index 0.757（95%CI 0.752–0.761）と既存モデルより有意に高精度。加齢ギャップが大きいほど死亡や心疾患リスク上昇（例：全死亡 HR=1.055）。
• 意義：健康診断データのみで、安価かつ大規模に加齢状態を推定可能。臓器別年齢も特定疾患予測で優位性あり。
• 注意・限界：高齢者集団（80歳以上）では性能が低下。適用範囲や再現性は要検証。

詳細

：心血管年齢は心疾患リスク（HR=1.045）、腎臓年齢は腎不全リスク（HR=1.067）と関連。 メカニズム仮説：BMI、血圧、喫煙歴など多様な因子を統合して加齢速度を推定。

• 限界：高齢者や未収録データ集団で精度低下の可能性。

研究内容を対話で読む

佐藤最近の健康診断で「年齢より老けてるかも」と言われたんですが、そんなの分かるんですか？

医師AIを使えば、血圧や体重、血液データなどから“生物学的年齢”を推定できます。この研究では死亡リスク予測が従来より高精度でした。つまり、“隠れた老化”を可視化できるんです。

佐藤じゃあ、私の心臓や腎臓の年齢も分かるんですか？

医師はい。心臓年齢が高い人は心疾患リスクが高まり、腎臓年齢が高い人は腎不全リスクが上がる傾向がありました。

佐藤でも、80歳以上だと精度が落ちるって本当ですか？

医師そうです。高齢者では性能が低下しており、適用範囲を見極める必要があります。

忙しいビジネスパーソンのための実践ガイド

• 毎日20分の早歩き：心血管年齢低下に有効。通勤の一部を歩きに変更。
• 野菜と魚を意識的に増やす：炎症・酸化ストレス低減に寄与。週3回は魚を。
• 喫煙を即減らす：加齢加速因子の筆頭。1日1本でも減らす努力を。

まとめ

AIによる生物学的年齢推定は、従来より高精度で死亡・疾病リスクを予測可能。まずは生活習慣の小改善で、“隠れ年齢”を若返らせましょう。あなたの健康診断結果、何歳に見えるでしょうか？

関連論文ピックアップ

• Levine ME, et al. Aging (Albany NY), 2018：PubMed
• Li X, et al. Nature Communications, 2022：PubMed
• Zhavoronkov A, et al. Nature Aging, 2021：PubMed