血液検査とAIで「体内の老化細胞の負担」を測れるのでしょうか？
アンチエイジング研究には、意外にもとても大きな問題が一つあります。
新しい薬を作るよりも、さらに手前の問題です。
私たちは、人が実際にどの程度老化したのかを、速く正確に測る方法をまだ持っていません。
新しいアンチエイジング治療薬を開発したとしましょう。
その薬を飲んだ人が本当にゆっくり老化するのかを最も確実に確認するには、がんや心血管疾患、認知症が減るか、筋力や認知機能がより長く保たれるか、最終的に健康寿命が延びるかを見ればよいのです。
問題は、結果を確かめるまでに数年から数十年かかる可能性があることです。
「生物学的年齢検査」は、すでにあるのでは？
あります。
代表的なのが、DNAメチル化を利用するエピジェネティック・クロックです。
DNAには、年齢とともに少しずつ変わる化学的な標識があります。このパターンを解析すると、人の実年齢をかなり正確に推定できます。
しかし、ここで一つ重要な問題が生じます。
60歳の人が2人いるとしましょう。
一人は血管が健康で、筋肉量も運動能力も良好です。
もう一人は同じ60歳でも、すでに糖尿病、動脈硬化、筋肉の減少が進んでいます。
二人の暦年齢は同じですが、老化の程度まで同じとは考えにくいでしょう。
AI活用画像 · 詳細を見る
では、ある検査が二人の年齢をそれぞれ59.8歳と60.1歳と、正確に推定したらどうでしょうか。
年齢を当てることには成功しましたが、二人の老化の違いを区別することには失敗したことになります。
簡単にいうと、
暦年齢を当てる「時計」と、体がどれほど速く老化しているかを見る「速度計」は、別の問題です。
そのため、最近の老化研究は、単に「何歳か」を当てることから一歩先に進みつつあります。
老化の速度を測ろうとする、かなりよい方法もすでにあります。
代表的なのがDunedinPACEです。
この方法では、同じ年齢の人たちを20年間追跡し、複数の臓器機能が実際にどれほどの速さで低下したかを測りました。そして、その速度を1回の血液DNAメチル化検査から推定します。
ただし、ここにも一つ限界があります。
「老化が速い」ことはわかっても、なぜ速いのかは十分にはわかりません。
その点で、最近発表されたSASP Scoreは興味深いものです。
この検査は老化全体の速度をもう一度測ろうとするのではなく、老化の重要な原因候補の一つである細胞老化（cellular senescence）に焦点を当てました。
もしこのスコアが本当に体内の老化細胞の負担を反映するなら、今後セノリティクスのような治療を行った際に、
「薬を飲んだことで、本当に老化細胞が減ったのか？」
を、一つの血液検査で追跡できるかもしれないからです。
私は今、「血液検査＋AI」に最も期待しています
老化は一つの現象ではありません。
免疫系も、血管も、代謝も変化し、筋肉と脳もそれぞれ異なる速度で変化します。
だから、複数の生体シグナルを同時に測定し、解析する必要があります。
血液は繰り返し採取しやすい検体です。
そして血液には、炎症、免疫、代謝、臓器機能、ホルモン、タンパク質など、全身からの情報が含まれています。
人が数十から数百もの指標の複雑な関係を直接読み解くことは難しいですが、AIは大規模データからこうした多次元のパターンを見つけることに強みがあります。
もし治療前後の血液検査だけで、
「この人の老化速度は、実際に遅くなった」
と信頼性をもって判断できるなら、今は数十年を要するアンチエイジング研究の一部を、はるかに速く進められます。
「ゾンビ細胞」が放出するシグナルを血液から読み取る
2026年9月、Aging CellにSASP Scoreという新しい指標が発表されました。
研究者たちが測ろうとしたのは、単なる年齢ではなく、全身の細胞老化の負担（systemic cellular senescence burden）でした。Wiley Online Library
老化細胞（senescent cell）は、もはや正常には分裂しない一方、死んで消えることもなく組織に残っている細胞です。
よく「ゾンビ細胞」と呼ばれる理由です。
この細胞は、ただじっとしているわけではなく、さまざまな物質を周囲に分泌します。
この分泌物の集合を、SASP、Senescence-Associated Secretory Phenotype（細胞老化随伴分泌形質）と呼びます。Wiley Online Library
研究者たちはCellAge、SenNet、SASP Atlas、既存研究を総合し、複数の種類の老化細胞で繰り返し変化する38種類の血漿タンパク質を選び、UK Biobankの50,997人のプロテオミクスデータを解析しました。
AIが38種類の血液タンパク質を一つのスコアに圧縮しました
研究者たちは、38種類のタンパク質の値を単純に足したわけではありません。
Guided AutoEncoder with Transformer、GAETという深層学習モデルを使い、タンパク質間の複雑な関係を解析し、それをSASP Scoreという一つの数値で表しました。
全50,997人のうち、43,358人をモデルの学習に、7,639人を別の検証用に使用しました。
興味深い結果は13年後に現れました
研究者たちは、検証群を平均13.3年間追跡しました。
その結果、SASP Scoreが1標準偏差高いと、全死亡のハザードが約41%高くなっていました。
高いSASP Scoreは、慢性腎臓病、心不全、COPD、肺がん、認知症など、複数の加齢関連疾患の将来リスクとも関連していました。
なお、肺がんとの関連は、多重比較に対する偽発見率（FDR）補正後のp値が0.053であり、この研究の統計学的有意水準を満たしませんでした。原論文・図3。
この点は、かなり興味深いものです。
なぜなら、このスコアが単に、
「年齢の高い人を見つけただけ」
ではない可能性を示しているからです。
では、ついに「ゾンビ細胞の血液検査」ができたのでしょうか？
まだ、そうではありません。
例えば、このモデルに含まれるGDF15、CXCL9、CCL2などのタンパク質は老化に関連していますが、老化細胞だけから出る物質ではありません。
がん、心血管疾患、炎症、組織損傷、ミトコンドリアのストレスなどでも変化することがあります。
そのため、SASP Scoreが実際に読み取っているのが、
老化細胞の量なのか、それとも、
老化＋炎症＋慢性疾患＋組織ストレスを合わせた状態なのかは、
まだ完全には区別できていません。
実際に人の複数の組織で老化細胞を直接数え、それをSASP Scoreと比較した研究でもありません。
したがって、現在の段階で、
「一度採血すれば、体内にゾンビ細胞が何個あるのかわかる」
と言うのは、誇張です。
私は、むしろその次の段階にもっと期待しています
今回のSASP Scoreが面白いのは、完成された老化検査だからではありません。
私たちが最終的に進むべき方向に、かなり近いからです。
最も重要な検証は、これからです。
例えば、実際に効果のあるセノリティクスや別のアンチエイジング治療を行ったときに、
組織の老化細胞が減り、
↓
血液のSASP Scoreも下がり、
↓
筋力や認知機能など、実際の機能が改善し、
↓
長期的には疾患の発生や健康寿命まで改善するなら、
そのとき、この検査の意味はまったく変わります。
単に将来のリスクを予測する数値ではなく、
アンチエイジング治療が実際に生物学的老化に働きかけたかを追跡する指標に、
なりうるからです。
未来の老化検査は、一つの数値ではないかもしれません
私は、今後のアンチエイジング検査が必ず、
「あなたの生物学的年齢は43.7歳です」
という一つの数値で終わる必要はないと思っています。
むしろ、
免疫の老化、
血管の老化、
代謝の老化、
細胞老化、
筋肉の老化、
神経系の老化
といった複数の軸を別々に測定し、
AIがそれらを総合して、
現在の老化状態＋老化速度＋将来の疾患リスク＋治療への反応
を追跡する形のほうが、現実的かもしれません。
老化が多次元の現象なら、
老化を測る方法も多次元であるのが自然です。
アンチエイジング研究の突破口は、新薬よりも先に「測定法」から来るかもしれません
現在、私たちはすでに多くのアンチエイジングの候補を持っています。
運動、ラパマイシン、メトホルミン、セノリティクス、免疫系の調節、部分的な細胞リプログラミングまであります。
問題は、このうち何が人間の老化を実際に遅らせるのかを、素早く見極めることが非常に難しい点です。
だから私は、今後アンチエイジング分野で最も価値のある技術の一つは、
老化の程度と速度を簡単な血液検査で測る技術だと考えています。
今回のSASP Scoreを、その答えだとみなすにはまだ早いでしょう。
それでも、
血液という繰り返し採取できる検体、
数十・数百の生物学的シグナル、
大規模で長期の臨床データ、
そして、それらを同時に読み解くAI
という方向には、かなり期待しています。
いつか私たちは、
「この人は何歳か」ではなく、
「この人はどの程度老化していて、今どれほどの速さで老化しているのか」
を、実際に測れるようになるかもしれません。
そして、その日が来れば、
アンチエイジング研究の速度は、今とはまったく違うものになるでしょう。
参考論文
Zhao S, Kuo CL, Lenze EJ, et al.
A Deep-Learning Based Biomarker of Systemic Cellular Senescence Burden to Predict Mortality and Health Outcomes.
Aging Cell. 2026;25:e70737.
DOI: 10.1111/acel.70737. Wiley Online Library
Belsky DW, Caspi A, Corcoran DL, et al.
DunedinPACE, a DNA methylation biomarker of the pace of aging.
eLife. 2022;11:e73420.
DOI: 10.7554/eLife.73420. eLife
#アンチエイジング #老化研究 #生物学的年齢 #老化測定 #血液検査 #AI #人工知能 #老化細胞 #ゾンビ細胞 #SASP #EpigeneticClock #DunedinPACE #セノリティクス #健康寿命 #ReverseEntropy