近年来，长寿医学行业快速发展，生物学年龄、衰老时钟、组学检测等衰老量化技术相继落地，行业竞争集中于检测精度。与此同时，业界开始关注检测之后的深层问题：如何从单次、静态的检测，走向持续性的动态健康管理。

近日，北京深度甲基健康技术有限公司（DeepoMe）创始人熊江辉博士在做客和君商学医药医疗俱乐部（君医社）直播间访谈时提出，衰老量化领域围绕检测精度的竞赛已基本完成阶段性使命，下一阶段将是"生命世界模型"——通过溯因分析与干预结果推演，推动健康管理从"事后描述"走向"事前推演"。

熊江辉表示，检测只回答"身体当前处于什么状态"，相当于"拍照"；长寿医学需要的是"导航"——判断不同干预下个体健康状态的演进方向。

据其介绍，生命世界模型带来两项新能力：一是"溯因"，从纷繁表型反推少数内在根因；二是"反事实推演"，干预实施前先在模型中推演结果，为个性化方案提供依据。

他还提出三级路径：先造高精度生物学年龄检测的"尺子"，再绘可解释、可干预的多维老化图谱"地图"，最终走向可推演干预结果的生命世界模型。

在检测载体选择上，熊江辉解释了以DNA甲基化检测为底座的四点依据。

一是稳健。蛋白组、代谢组数据受进餐、睡眠等即时状态影响较大，DNA甲基化则反映细胞内累积的稳定状态，契合衰老的长期累积特性。《神经病学》（Neurology）刊发研究显示，基于甲基化的炎症指标与脑健康结局的关联强度为血清C反应蛋白的6.4倍。

二是可及。唾液采样即可完成检测，样本可常温保存、普通邮寄，显著降低检测与复测门槛。

三是通用。2026年发表于《自然·衰老》（Nature Aging）的OMICmAge模型研究显示，甲基化数据通过学习上千种代谢物、蛋白质及多项临床指标的代理变量，仅需990个CpG位点即可在一次检测中复现多组学信息，相关系数达0.92——相当于以一次甲基化检测替代蛋白组、代谢组等多项检测。

四是近根因。蛋白与代谢物属于执行层"输出"，DNA甲基化处于调控层"开关"位置，更接近衰老与疾病的成因层面。

在检测结果落地环节，熊江辉介绍了团队研发的"根因博士"AI智能体原型：从表型变化出发，经大模型文献挖掘，逐层对应器官、代谢功能变化与衰老标志，输出根因层面分析。此前，专家人工解读一份多组学报告约需3小时；其团队内部测试显示，该智能体生成完整分析平均仅需三十余秒。

熊江辉认为，构建生命世界模型依赖的核心资源并非更大的模型参数，而是干预前、中、后人体状态的真实世界动态配对记录。这需要医院与高校贡献科研队列和临床场景，企业贡献测量工具与建模能力，使数据在闭环中持续回流。

据了解，深度甲基已与清华大学未来实验室联合发布人体尺度表征相关研究，与北京大学第六医院联合发表论文，与北京大学肿瘤医院联合申请发明专利，并参与一项纳入2000例的干细胞抗衰临床试验疗效评价，已在8类干预、248对临床配对数据上完成干预状态转移建模与验证。

其团队提出的可驾驭生命世界模型框架SteeraMed，已建立覆盖332个模块的人体尺度基准，并在1916个已批准药物上完成临床级验证。

熊江辉表示，"检测—干预—复测—迭代"的闭环是长寿医学成为完整体系的关键。业内认为，生命科学领域同样需要一个类似Databricks之于企业数据智能的统一数据底座；随着检测可及性提升与真实世界数据积累，长寿医学有望加快从单点检测服务走向以生命世界模型为核心的闭环健康管理。

据介绍，深度甲基（DeepoMe）专注DNA甲基化检测与人工智能健康分析技术研发，以构建生命世界模型数据底座为方向，已形成覆盖衰老标志、器官老化、免疫老化、代谢老化等维度的检测与干预支持体系。