每天坐太久，會被免疫系統當成“生病”？斯坦福專家揭示炎症衰老新機制！_風聞
时光派-时光派官方账号-聚集全球前沿、全面、专业抗衰资讯25分钟前
編者按
為什麼有人60歲依然活力充沛，而有人40歲就疲憊多病？答案或許在你免疫系統裏——“炎症衰老”（inflammaging）。這是一種隨年齡累積的慢性炎症，會加速皮膚鬆弛、關節僵硬，誘發癌症、心血管病、阿爾茨海默病等衰老相關疾病，甚至限制人類的壽命上限 。
不過，破解這一衰老密碼的希望已經出現。斯坦福大學“1000免疫組項目”主任，巴克研究所人工智能平台副教授David Furman開發了一款炎症衰老時鐘iAge ，可以在評估體內慢性炎症水平的同時，監測免疫衰老狀況，甚至提前7年預測老年衰弱，為儘早干預留出了充足的時間。
在本篇訪談中，我們將走進Furman博士的科研世界，揭開炎症衰老的生物機制，探秘iAge時鐘的創新突破，以及它如何為我們打開逆轉衰老、延長健康壽命的新大門。
可點擊“閲讀原文”查看David Furman博士個人主頁。
2025年9月20-21日，David Furman博士將親臨上海，參加“第六屆時光派衰老幹預論壇”，分享炎症衰老與健康壽命的最新洞見。
Q
您最初讀的是醫學院，後來為什麼選擇研究炎症和衰老？
A
最初想讀醫是希望能真正幫助人們活得更好、更長壽。當我意識到成為醫生可能影響有限，於是我開始轉向免疫學，發現了炎症在抵禦病毒與病原體方面的重要性。
2000年代初，一個新觀點讓我震驚：炎症不僅與傳染病或自身免疫病有關，還推動心血管病、阿爾茨海默病等衰老相關疾病**。**
2008年，我加入斯坦福大學，在Mark Davis實驗室工作，他是發現T細胞受體的先驅。我們在那裏開展了“1000免疫組項目**（1000 Immunomes Project）**”，通過“多組學”手段大規模研究人體免疫系統的整體特徵。由於動物模型很多時候是失真的，因此我們的邏輯是在人類羣體中分析多種生物參數，直接獲得對人的洞察。
圖注：1000免疫組學研究設計[1]
與此同時，我在機器學習先驅Rob Tibshirani、Trevor Hastie等人的指導下自學數據科學和人工智能，也是在這個過程中，我們發現了免疫系統中最顯著的變量是與衰老有關的信號。這引導我進一步聚焦衰老領域。
2019年，巴克研究所（Buck Institute）CEO——Eric Verdin聘請我擔任副教授，並領導巴克研究所的人工智能平台，也讓我更加專注於衰老和長壽研究。
Q
炎****症與衰老的聯繫似乎比人們想象的更深，你能為我們講解一下嗎？
A
是的。2000年，意大利學者Claudio Franceschi首次提出“一系列環境因素引起的炎症會加速衰老進程”這一觀點。這讓我和團隊大受啓發，從而開始研究這些通路，發現炎症不僅影響衰老的分子特徵，還能引發某些衰老疾病。
以癌症為例，我們發現如果在培養基中去除炎症因子白細胞介素-6（IL-6），癌細胞就無法生長，但加入IL-6後，癌細胞會瘋狂增殖。癌症從早期細胞轉化到晚期轉移，都高度依賴炎症。
同樣，炎症與心血管病有關。老年人的炎症水平與心梗、動脈硬化、室壁重塑等心臟病風險也顯著相關。
還有會加速大腦衰老的的炎症因子eotaxin，它在老年人中水平較高，與阿爾茨海默病等的神經退行性變有關。
Q
炎症衰老從何時開始？早期干預能顯著影響它嗎？
A
理論上，炎症可能在個體出生前兩三代就已經開始。跨代表觀遺傳研究表明：前幾代的心理創傷或饑荒可能通過表觀遺傳改變增加後代炎症負荷。
例如孕婦在孕期炎症水平過高——可能是由於吸煙或肥胖引起，會影響胎兒，增加孩子患自閉症、糖尿病、心血管病、甚至自殺傾向等炎症相關疾病的風險。我們2014年在《Molecular Psychiatry》發表研究，分析500名重度抑鬱症患者和500名對照者，發現抑鬱症患者炎症水平異常高。
我17年的職業生涯中都在致力於尋找疾病的早期、臨牀前徵兆——在還沒出現症狀之前，身體已經發生的分子和細胞變化。只要識別出這些信號，我們就能提前預測風險，甚至“攔截”那些還未發病的慢性疾病。
我們的目標不僅是預測或理解這些標誌物 ，更是通過儘早介入，真正預防疾病、延長整個人羣的健康壽命。
Q
您提到炎症可能在疾病出現前很久就已開始累積，那是否也能更早識別衰老風險？這是否正是您開發iAge時鐘的初衷？它和其他衰老評估工具相比有什麼不同？
A
是的，我們基於1000免疫組項目超過12年的數據，採用深度引導自編碼器處理蛋白網絡的冗餘、非線性和噪聲，開發出了炎症衰老時鐘iAge。
圖注：深度神經網絡非線性模型來捕捉炎症分子的網絡結構[2]
iAge時鐘是一種以免疫蛋白水平為輸入、實際年齡為目標變量的模型，預測結果我們稱為“免疫年齡（immune age）”。我們通過“免疫年齡-實際年齡”的差值來評估其臨牀價值，結果表明：iAge時鐘值越高，患多種疾病的風險越大。此外，iAge時鐘還可以預測一個人7年後是否會變得衰弱。
iAge時鐘最大的優點是它並不能完美地預測實際年齡——這種“不完美”反而為我們提供了生物學解釋空間，幫助我們識別“為什麼某些人遠比實際年齡年輕或老”。
後來我們還基於這個時鐘，構建了一個基因表達的“替代模型”，並在其他研究人羣中進行了驗證。比如在Framingham心臟研究中，我們就用它成功預測了2500人的死亡風險。
我們還與法國團隊開發了基於內在能力的時鐘，發現它與iAge時鐘密切相關：高內在能力往往對應低炎症年齡。
Q
另一個讓人關注的點是，百歲老人的iAge年齡往往比實際年齡年輕很多，那我們能模仿他們的免疫系統來延長人類壽命極限嗎？
A
的確。我們分析了意大利約20名百歲及超百歲老人，發現他們的炎症年齡平均比實際年齡年輕 40歲。其中一位105歲的健康男性，炎症年齡僅25歲，這令人震驚！到底是什麼讓他的免疫系統對炎症有如此強的控制能力？我們現在還不知道。
不過Nir Barzilai的一項研究顯示，百歲老人擁有特別的CD4 T細胞與獨特的腸道菌羣，這或許是他們擁有極低炎症年齡的原因 。
至於你説的延長人類的最大壽命極限，我想特別強調一點，健康壽命比壽命更重要。我們當然都希望活得更健康，但很多人之所以害怕死亡，是因為他們缺少一種人道主義的目標感和成就感。我覺得，死去卻沒留下任何影響是件挺可怕的事。活着當然很好，但死亡並不一定是人生中最糟糕的事。
Q
iAge時鐘怎麼評估炎症和生活方式的關係？有哪些被我們低估的環境或行為因素，正在激活炎症反應？
A
我研究炎症和生活方式的關係已經有15年，後來決定把自己的研究成果應用到自己和家人的生活中。這個思路其實來自我在2019 年發表在Nature Medicine上的一篇論文——核心觀點是，當一個生物體生活在與其進化過程中不相符的環境裏時，就會激發炎症。
例如吃的食物、呼吸的空氣、喝的水、接觸的塑料、使用的日化用品——如果這些東西在我們人類兩百萬年的進化歷史中從未出現過，那它就可能引發炎症。
圖注：慢性炎症的環境和社會誘因及其對人類健康的影響[2]
考慮到這一點，我們一家從Palo Alto搬到San Gregorio的一個山谷裏，住進了一間小木屋，開始徹底調整我們的生活方式。我們停止食用小麥、乳製品和超加工食品。
然而，在我用生活方式干預炎症的過程中，一個關鍵難題是：缺乏有效的慢性炎症檢測工具。典型的炎症標誌物大多隻適用於急性炎症。很多人會提到傳統標誌物如C反應蛋白（CRP），但其對慢性炎症幾乎無用，僅在身體遇到急性感染時短暫升高，但很快就會恢復正常。
雖然CRP曾在臨牀研究中被大力推廣，但許多醫生私下也承認它們對慢性炎症參考價值有限。這也是為什麼我們開發了iAge時鐘，這類新型生物標誌物能更準確反映慢性、系統性低度炎症的狀態。
至於其他干預措施，比如久坐，會被身體視為一種“病態行為”（sickness behavior），誤認為你在生病，從而激活免疫系統、加重炎症。
因此，環境、飲食、行為習慣都是關鍵干預點。
Q
為了讓iAge真正落地，您創辦了Edifice Health公司，這種以轉化為導向的科研路徑目的是什麼？
A
**傳統的學術研究體系在成果轉化方面是嚴重失效的。**很多重要的研究成果最終不是被束之高閣，就是隻發表成了論文，根本無法真正走進醫院、家庭，解決實際問題。
我們必須清楚一點：從“實驗室到臨牀”的路徑其實並不存在。真正有效的路徑是——從實驗室，到公司，再到臨牀。所以，我創立Edifice Health公司（專注於炎症研究的生物科技公司），致力於將iAge時鐘從理論帶到生活中，讓普通人也能通過檢測炎症年齡，瞭解自己的健康狀態，採取精準干預。
我還申請了ARPA-H（美國資助項目）的PROSPR計劃，要求我們在5年內拿到FDA批准，並建立商業實體，加速從實驗室到臨牀的轉化。我覺得這才是正確的方向——把精力放在衰老的早期診斷和干預上，並從一開始就以實際應用為目標。
讀到這裏，是不是對炎症衰老時鐘如何判定我們身體衰老的信號充滿了好奇？別急！2025年9月20-21日，David Furman博士將親臨上海“第六屆時光派衰老幹預論壇”，與你面對面分享炎症衰老的最新研究、iAge時鐘的奧秘，以及如何通過科學干預延長健康壽命。
聲明 - 本文內容僅用於科普知識分享與抗衰資訊傳遞，不構成對任何產品、技術或觀點的推薦、背書或功效證明。涉及健康、醫療、科技應用等相關內容僅供參考，醫療相關請尋求專業醫療機構並遵醫囑，本文不做任何醫療建議。如欲轉載本文，請與本公眾號聯繫授權與轉載規範。
參考文獻
[1]Sayed, N., Huang, Y., Nguyen, K., Zuzana Krejciova-Rajaniemi, Grawe, A. P., Gao, T., Tibshirani, R., Hastie, T., Alpert, A., Cui, L., Kuznetsova, T., Rosenberg-Hasson, Y., Ostan, R., Monti, D., Benoit Lehallier, Shen-Orr, S. S., Maecker, H. T., Dekker, C. L., Wyss-Coray, T., & Franceschi, C. (2021). An inflammatory aging clock (iAge) based on deep learning tracks multimorbidity, immunosenescence, frailty and cardiovascular aging. Nature Aging, 1(7), 598–615. https://doi.org/10.1038/s43587-021-00082-y
[2]Health, E. (2025, May 20). Our Science. EDIFICE Health. https://edificehealth.com/science/