在探讨全球公共卫生挑战的背景下，特别是面对日益严峻的人口老龄化趋势及其伴随的代谢性疾病如糖尿病、脂肪肝等，科学界正致力于寻找创新的解决方案以优化疾病预测与管理策略。传统检测方法虽有其价值，但复杂性与潜在的不适感促使研究者们探索更为便捷、非侵入性的评估途径。

体温，这一日常中易被忽略的生理指标，实则深刻影响着细胞功能与生物体整体状态，其波动与新陈代谢活动紧密相连。在生物界中，体温的微妙变化往往预示着生物体内部状态的调整，如恒温动物中低体温与寿命延长的关联，以及低温环境对无脊椎动物衰老过程的减缓作用。人类亦不例外，随着年龄增长，核心体温的自然下降成为一种普遍现象，而高体温则可能是代谢加速或身心压力的信号。

特别地，人体红外温度图像技术已在医学领域初露锋芒，特别是在心血管疾病筛查方面展现出独特价值。鉴于面部血管分布与脂肪含量的独特性，它们与体表温度之间建立了复杂的相互作用网络，为深入研究提供了新的切入点。

然而，当前对面部温度的分析多停留于情绪状态与整体面部温度的宏观层面，缺乏深度与精度地定量描述。在此背景下，北京大学、北大-清华生命科学联合中心韩敬东教授课题组自2015年起，独辟蹊径，将三维人脸特征与衰老研究相结合，开创性地揭示了人脸三维形态作为衰老标志物的潜力【1,2】。这一发现激发了团队进一步探索面部温度特征中隐藏的生物状态秘密，旨在通过温度图谱洞察衰老速率与健康状况的新视角。

2024年7月2日，韩敬东教授团队及合作者在Cell Metabolism期刊上发表了题为“Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases”的研究文章。该论文报道了首个基于红外人脸图像的衰老时钟，即“ThermoFace Aging Clock”，为衰老和代谢性疾病的预测提供了全新的视角。

图1.红外人脸图像衰老时钟构建以及下游分析流程

研究团队针对年龄在20至90岁之间的2,811健康人（非急性病患者）进行了广泛的人群基础队列研究。通过收集这些志愿者的面部热成像图像，团队开发了提取人脸红外面部信息的软件ThermoFace，成功获取了个体的面部温度特征，并利用人工智能相关的机器学习模型训练得到面部红外图像衰老时钟以及年龄相关代谢性疾病预测模型。通过面部红外构建的衰老时钟的人群年龄平均绝对误差在5岁左右。在对比人脸三维信息时，研究团队发现人脸的面部温度信息与血液代谢生化指标、代谢性疾病之间有更强的关联。

在细致分析面部红外图像的过程中，研究团队揭示了一系列面部温度变化的规律。鼻子区域温度的显著下降成为了年龄增长的一个独特生物标志物，而眼周温度的上升则揭示了另一维度的衰老特征。结合生活方式问卷数据，团队发现酸奶摄入与充足睡眠等健康习惯与较低衰老速率及特定的面部温度分布模式相吻合，为公众提供了延缓衰老的实用建议。

值得注意的是，研究还揭示了代谢性疾病患者（如糖尿病、脂肪肝）面部温度的独特变化，特别是眼部区域的异常高温，以及高血压患者脸颊温度的升高，这些发现为疾病的早期识别与干预提供了新视角。通过深入分析血液样本的转录组数据，团队进一步阐释了这些温度变化背后的生物学机制，指出眼睛和脸颊周围温度升高可能与机体炎症反应、DNA损伤修复及抵抗感染等关键生物过程紧密相关。

图2.人群红外人脸随年龄的变化趋势(Figure 2A)

此外，研究团队还探索了运动对衰老的影响。为期两周的跳绳运动干预实验表明，参与者的生物学年龄显著降低了五岁，这一突破性发现为通过运动延缓衰老提供了强有力的证据。

综上所述，本项研究不仅为衰老与代谢性疾病的预测开辟了新的道路，还通过面部红外成像这一非侵入性检测技术，展示了其在个体健康监测中的巨大潜力。未来，随着技术的不断进步与应用的深入推广，面部红外图像有望成为评估衰老进程、预警代谢性疾病及指导健康干预的重要工具。