纽约大学朗格医疗系统2025年7月7日发布研究显示，结合高分辨率成像与机器学习的人工智能技术，能够精准追踪因损伤、衰老或疾病导致停止增殖的衰老细胞。这类细胞在伤口修复和癌症、心脏病等衰老相关疾病中起关键作用，其动态监测有助于理解组织再生能力衰退机制及疾病发展。
由纽约大学骨科研究团队主导的这项研究，通过化学诱导损伤建立细胞衰老模型。研究发现衰老细胞核呈现扩张、致密中心增多、形态不规则等特征，且染色后遗传物质颜色比正常细胞浅。通过机器学习分析这些核形态特征，建立的核形态测量管道（NMP）可生成-20至+20的衰老评分系统。
验证实验显示：
- 不同年龄段小鼠（3个月至2年）健康与病变细胞的NMP评分差异显著
- 肌肉损伤修复过程中，NMP成功追踪间充质干细胞、肌卫星细胞等五类细胞的衰老动态
- 骨关节炎模型中，老年小鼠软骨细胞衰老比例是健康年轻小鼠的10倍
研究团队证实该技术具有广泛适用性，可跨组织类型、年龄阶段监测衰老细胞。首席研究员Michael Wosczyna博士指出，NMP为研究组织再生、衰老机制及疾病治疗提供了可靠工具，未来计划在人体组织中验证该技术，并与现有生物标志物结合使用。
该研究获得美国国立卫生研究院（R01AG053438）及纽约大学骨科系资助。研究团队已开发开源NMP平台供学术界免费使用，并就该技术申请专利。共同第一作者Sahil Mapkar指出，相比现有检测方法，NMP采用常规核染色技术，具有更高的可靠性和易用性。
【全文结束】
