一、前言
傳統上，人類以時間來計算年齡與衡量衰老，然而實際年齡(Chronological Age)並無法真實反映個體的生理健康狀態與疾病風險。近年來，長壽醫學與健康科技領域逐漸轉向以細胞和分子狀態來追蹤生理年齡(Molecular Biological Age)。目前的研發聚焦於老化特徵(Hallmarks of Aging)，是研究老化與追蹤生理年齡的重要指標，描述了生物體功能衰退時同時改變的核心機制，包含基因體(Genomic)的不穩定、表觀遺傳的改變、慢性發炎等，幫助科學家了解老化與其相關疾病。在產業應用上，生理年齡追蹤平台主要可分為分子與多體學(Multi-omics)追蹤、臨床與生理特徵追蹤，以及生活方式與行為追蹤三大領域。在眾多測量技術中，分子層級的生理年齡測量展現出最高的潛力與精準度。

二、生理年齡追蹤領域的市場動態
生理年齡追蹤市場正迎來顯著的成長動能，其核心在於AI與多體學技術深度整合，這使得模型能比過往的靜態模型更精準地捕捉大量數據中的非線性關係與長期動態變化，進而提升預測準確度，推動了高解析度、系統級的生物老化測量技術發展。同時加速了新藥標靶開發，藥廠正積極運用分子老化資料庫來辨識與老化路徑相關的藥物標靶。此外，生理年齡檢測技術已突破學術研究範疇，正式跨足預防醫學與消費者健康市場，逐步落實於實際臨床應用，並開始融入大眾的預防保健與健康管理計畫中，發展出整合診斷與個人化干預的長期監測模型。最後，受益於核心技術成本降低與普及率提升，例如 DNA甲基化晶片的成本顯著下降，提供了具經濟效益的大規模分析方法，進一步加速了表觀遺傳生物標誌物(Epigenetic Biomarker)與老化時鐘的開發及應用。

儘管生理年齡追蹤技術展現出巨大的市場潛力，但其發展仍面臨多重關鍵限制。首先，臨床因果關係證據薄弱，雖然分子老化時鐘與疾病風險或死亡率具備高度相關性，但目前仍缺乏足夠證據支持降低生理年齡能直接改善臨床結果，這大幅限制了生理年齡作為臨床治療指引的全面性應用。其次，精準模型的強健程度受限於資料的稀缺性，高品質且多時間點的長期追蹤資料(Longitudinal Data)不僅取得成本高昂且極為稀少，加上不同族群間的組成差異與資料品質不一，皆挑戰了模型的泛用性。再者，商業期望與科學成熟度存在落差，消費端平台常將生理年齡包裝為健康與壽命的決定性指標，但多數老化時鐘的設計初衷僅為疾病的風險預測。這種科學本意與商業定位的結構性衝突，需依靠長期追蹤之數據與提升資料可重複性，才能有效建立消費者信任。最後，現有技術多依賴血液或唾液等體液生物標誌物，往往難以反映特定組織老化，促使業界目前正嘗試整合多體學資料、醫學影像、生理訊號與生活型態指標，以達成更全面的生物老化評估並彌補此限制。

三、生理年齡研究趨勢與技術分析
全球生物老化研究發表量快速增加，逐步由早期探索邁向成熟應用；同時AI技術的導入也進一步提高了模型預測的精準度。未來發展將更強調臨床應用，並加入族群差異化與疾病風險預測等能力。目前，美國加州大學洛杉磯分校(UCLA)、美國國家老化研究院(National Institute on Aging)所與哥倫比亞大學等機構，為此領域的重要推動者。

(一)生理年齡追蹤的技術分析架構如下：
1.樣本來源：血液為最主要檢體，而唾液正逐漸成為非侵入性生物標誌物的新興來源。
2.體學(Omics)資料生成：運用晶片平台(Array-based Platform)、定序技術、質譜分析與核磁共振等方法，分析生物樣品之特定分子訊號。
3.資料處理：將龐大的體學資料標準化。
4.模型開發：透過統計方法與AI模型進行整合資料與預測分析。
5.輸出：將複雜的模型運算結果轉化為易於解釋的指標，如生理年齡分數、老化速率，以及相關的生理狀態指標。

(二)分子與多體學測量型態包含
1.表觀遺傳老化時鐘(Epigenetic Aging Clocks)：基於全基因體之DNA甲基化模式來預測生理年齡與老化情況，代表性模型包含Steve Horvath博士及其加州大學研究團隊設計的Horvath’s clock與GrimAge。
2.轉錄體老化特徵(Transcriptomic Aging Signatures)：透過分析RNA轉錄表現量來估算老化，例如RNAAgeCalc可利用前額葉皮質組織的轉錄體預測大腦老化。
3.蛋白質體老化時鐘(Proteomic Aging Clocks)：利用循環系統中蛋白質的豐富度與表現模式來追蹤發炎、組織功能退化與免疫失調，如Benoit Lehallier博士開發的血漿蛋白老化時鐘與追蹤免疫細胞狀態的IMM-AGE。
4.代謝體與脂質體特徵(Metabolomic Aging Signatures)：分析小分子代謝物與脂質分布等指標來估算代謝功能退化現象，例如基於代謝體核磁共振分析的加拿大研究Sweet Spot Clock。
5.端粒老化時鐘(Telomere-based Aging Clock)：透過分析端粒長度或損耗程度來反映細胞的老化，但受限於族群差異性，其廣泛預測能力較為侷限。

四、創新案例
(一)Zymo Research (美國)
Zymo Research公司開發的myDNAge®是基於Horvath’s Clock的老化檢測。利用次世代定序技術，檢測血液中容易受表觀遺傳變化影響的標記物，來分析檢測者的生理年齡、代謝指數及年齡相關疾病的潛在風險，並提供個人化的健康改善建議。該產品已經上市。

(二)Life Length (西班牙與美國)
Life Length公司開發的HealthTAV®端粒檢測服務，透過專利影像技術TAT®來量化血球端粒長度並評估生理年齡。透過端粒長度分布模式與極短端粒的占比，該檢測能更精準預地預測年齡相關疾病的潛在風險。該產品已經上市。

(三)Biocrates (奧地利)
Biocrates公司開發了定量代謝體學資料庫(Quantitative Metabolomics Database, QMDB)，該資料庫提供超過620種代謝物的數據，並能根據族群特徵如BMI、生活型態等條件來精準篩選出目標族群的資料，來找出與老化相關之代謝物指標。該資料庫目前用於學術研究。

(四)NU(荷蘭)
NU公司開發的NU Pro平台能夠整合目標個體的基因體學、表觀遺傳學、微生物體學等數據，從而對其生理年齡和整體健康狀況進行全面評估，並利用專有的AI模型分析並提供健康建議。該產品已經上市。

(五)臺灣大學與臺大醫院 (臺灣)
臺大研究團隊利用臺灣人體生物資料庫篩選出2,469參與者，進行表觀遺傳學分析，開發專屬臺灣族群的表觀遺傳老化時鐘模型TWBAge與TWBhAge，並進一步檢視長期暴露於空氣污染與老化加速的關聯性。該研究2025年發表於《Environmental Research》。

五、成長機會
(一)明確的指標框架並納入臨床試驗
相較於傳統臨床試驗依賴疾病發生、死亡等絕對結果發生，才能確認治療效果，通常需要大量病患參與和長時間追蹤；若是能把生物老化指標納入評估的參考標準，則可以提早看出治療在細胞或分子層面的效果。例如，歐洲的DO-HEALTH這項大型研究，科學家發現只要觀察血液中蛋白質的變化，就能在1到2年看出藥物療效，有助於在心血管疾病、神經退化性疾病臨床試驗中大幅縮短研究時間。研究機構和企業應做更多測試，來建立生理年齡指標與臨床身體健康的相關性；而老化追蹤領域應與藥廠合作，將生理年齡指標納入進行中的臨床試驗，進行探索性研究，並在累積大量證據後擴大應用。

(二)面向消費者與預防保健市場
目前大多數生理年齡監測產品屬於單次消費，但生物老化是持續發生的過程，若能夠隨者時間監測，將獲得更全面的結果與趨勢預測。而隨著預防醫學與個人化健康管理意識提升，生理年齡追蹤有機會朝向持續參與的市場模式。企業應設計能長期追蹤使用者生理年齡的產品及訂閱制服務，並提高數位健康平台的互通性與回饋能力，同時協助消費者建立與執行長期健康管理的計畫，將有助於維持產品的長期價值。

(三)資料安全共享並共同推動研究成果
全球有許多地域性的研究正長期追蹤人們的基因與分子數據，並能夠與臨床表現及生活型態資料連結，這些資料對於了解疾病發展與建立疾病預測模型有著關鍵的價值。然而，資料共享與商業化通常受到法規與隱私議題限制。企業應建立安全且合規的資料整合及利用模式，並採用聯邦學習(Federated Learning)等合作模式，促進資料共享與模型開發，在符合法規的情況下發揮數據的價值，並推動生理年齡追蹤領域與長壽醫學應用的全球發展。