PhenoAge 與 KDM 生物年齡：為什麼計算結果不同

你把同樣的年齡和同一份實驗室結果輸入兩個生物年齡計算器。PhenoAge 顯示 49 歲，KDM 顯示 43 歲，而你的實際年齡是 46 歲。

哪一個數字才對？

最有用的答案是：兩個計算器在回答不同的統計問題。PhenoAge 與 Klemera–Doubal 方法（KDM）可能採用部分相同的血液生物標記，但它們原本就不是為了得出相同結果而設計。因此，兩者有差距並不自動代表出錯。

本指南說明 PhenoAge 與 KDM 為何不同、每個結果真正代表什麼，以及如何選擇其中一種來持續追蹤。若你想先了解公式、生物標記清單與基本解讀，請從我們完整的 PhenoAge 與 KDM 血液檢查指南開始。

**快速答案：**PhenoAge 以死亡風險校準，並把風險表達成相當的年齡。KDM 主要依據參考族群中生物標記隨實際年齡變化的模式來校準。不同的目標、標記組合、係數與參考樣本，會讓同一個人得到不同的生物年齡。

快速答案：PhenoAge 與 KDM 回答不同問題

**PhenoAge 估計的是相當於某種死亡風險的年齡；KDM 則估計最符合多變量生物標記輪廓的年齡。**由於目標與實作方式不同，同一份血液結果合理地可能產生兩個不同的年齡。正確的比較方式，是觀察同一模型隨時間的變化，而不是把 PhenoAge 與 KDM 當作衡量同一固定事物的數字來互比。

重點事實

**PhenoAge 與 KDM 衡量的概念不同。**PhenoAge 側重死亡風險；KDM 估計多變量生理年齡。
**「KDM」是一種方法，不是一個全球通用的計算器。**輸出取決於訓練時使用的生物標記與參考族群。
**PhenoAge 的標準化程度較高。**常用的臨床版本有已發表的 9 項生物標記、實際年齡與固定係數。
**結果必須註明確切實作方式。**只寫「KDM 年齡」並不完整，還應知道標記組合、單位、訓練族群與公式。
**不要把兩個年齡取平均。**選擇符合你問題的模型，未來只和同一實作版本比較。
**兩者都不是診斷。**異常檢驗值與臨床風險應和合格醫療專業人員討論。

一張表看懂比較

特徵	PhenoAge	KDM 生物年齡
主要訓練目標	死亡風險	生物標記的實際年齡模式
常見輸入	9 項血液生物標記 + 實際年齡	可設定的臨床或功能性生物標記；實際年齡也可能進入估計器
輸出意義	在參考族群中，與相近估計死亡風險相對應的年齡	在該擬合模型下，最符合個人多變量生物標記輪廓的年齡
標準化程度	常見的已發表臨床公式	有多種有效實作方式
主要優勢	固定、以風險為導向的基準	能彈性整合多個生理系統
主要限制	固定線性公式可能對特定標記反應很大，且無法捕捉所有非線性臨床關係	結果高度依賴標記選擇與族群校準
最佳追蹤原則	使用同一公式、單位、實驗室條件與標記定義	使用同一訓練模型、標記組合、單位、參考族群與檢測條件

兩種方法都是族群模型。它們都不會直接測量你的組織已存在多少年，也都不能證明某項介入改變了老化的根本速度。

PhenoAge 的設計目標

臨床表型年齡（Clinical Phenotypic Age）是以美國國家健康與營養檢查調查（NHANES）資料開發。研究人員篩選數十種常規臨床指標，並以懲罰式存活模型選出實際年齡加上 9 項可預測死亡風險的生物標記。

輸入項目為：

白蛋白；
肌酸酐；
葡萄糖；
C 反應蛋白；
淋巴球百分比；
平均紅血球體積；
紅血球分布寬度；
鹼性磷酸酶；
白血球計數；
實際年齡。

模型先估計死亡風險，再把該風險換算成參考族群中具有相近風險的年齡。這個第二步轉換，正是輸出看起來像熟悉的「幾歲」的原因。

PhenoAge 為 52 歲，不代表每個器官的生物年齡都是 52 歲。它表示模型將你的死亡風險輪廓視為與參考值中該年齡相當。相關指標 PhenoAge acceleration（PhenoAge 加速）則是在考慮實際年齡後，詢問結果比預期更老還是更年輕。

在已發表的驗證中，表型年齡能預測多個人口與健康子群的疾病與死亡風險。因此，它可作為精簡、以風險為導向的摘要，但不會因此成為臨床診斷或對個人的保證性預測。

KDM 生物年齡的設計目標

KDM 採取不同途徑。它考察每項選定生物標記如何在參考樣本中隨年齡改變、尚有多少無法解釋的變異，以及標記彼此之間的關係；接著找出最能調和個人完整生物標記模式的生物年齡。

用白話說，KDM 問的是：

在這個參考模型下，這組生理測量值最可能對應到哪一個年齡？

與年齡關聯較強且較精確的標記，通常可提供更多資訊；與年齡關聯較弱或殘差雜訊較高的標記，貢獻通常較小。此方法也會考慮生物年齡估計本身具有不確定性。

這是一個強大的框架，但也帶來重要後果：不存在唯一、通用的 KDM 數字。

一項研究可能以白蛋白、肌酸酐、葡萄糖、血壓、肺功能與握力建立 KDM；另一項研究可能使用不同的實驗室組合。某個模型可能依生理性別分開訓練，另一個可能合併；有的以 NHANES 訓練，有的以英國生物銀行或全國性世代資料訓練。它們都可以稱為 KDM，卻不必得到相同結果。

為什麼同一份血液檢查會得到不同年齡

1. 模型最佳化的目標不同

PhenoAge 選擇並加權變數，是為了預測死亡風險；傳統 KDM 則依變數與實際年齡的關係及其殘差變異來加權。

這個差異很重要。一項生物標記可能與死亡風險高度相關，卻不會隨年齡平滑改變；另一項可能能很好地追蹤實際年齡，卻對近期風險提供較少獨立資訊。兩種演算法獎勵的特性不同，因此會給予不同權重。

2. 生物標記組合可能只部分重疊

標準臨床 PhenoAge 公式固定使用 9 項標記加上年齡；KDM 則可設定。即使某個線上計算器要求熟悉的一組輸入，它和另一個 KDM 實作相比，仍可能省略、增加或轉換某些變數。

以 10 項實驗室標記為基礎的結果，不能直接與使用 18 項實驗室及器官功能測量的 KDM 互換。標記組成會改變模型內部「更老」與「更年輕」的意義。

3. 實際年齡進入模型的方式不同

實際年齡明確納入 PhenoAge 的死亡風險模型。對 KDM 而言，實際年齡可能依實作方式，作為估計公式的額外資訊來源。

這會讓兩種輸出都受到與年齡相關的族群模式牽引，但力量與邏輯並不相同。因此，兩個生物標記值完全相同、但實際年齡不同的人，不一定會得到相同的加速結果。

4. KDM 取決於其參考族群

KDM 係數由資料集估計而來。只要改變年齡範圍、健康狀態、生理性別分布、族群背景、國家、實驗室方法或日曆年代，生物標記與年齡的關係就可能改變。

這不只是技術註腳。一個在相對健康的 40 至 70 歲成人中訓練的模型，在 25 歲或 85 歲時可能有不同表現。將任何模型用在遠超過訓練範圍的情境都是外推，看似精確的「幾年」可能變得誤導。

PhenoAge 同樣反映其美國 NHANES 開發族群，但廣泛使用的臨床實作通常保留已發表的係數。KDM 計算器雖共用同一名稱，卻更可能包含不同校準方式。

5. 單位與轉換會改變分數

PhenoAge 需要精確單位。C 反應蛋白是常見錯誤來源，因為已發表公式使用轉換後的值，而計算器可能要求 mg/L、報告卻使用 mg/dL。肌酸酐、葡萄糖、白血球計數與鹼性磷酸酶也都需要仔細核對單位。

KDM 的實作可能依照訓練流程對輸入做標準化、對數轉換、縮尾處理或其他前處理。若計算器沒有說明這些步驟，你就無法可靠地重現或比較輸出。

解讀令人意外的結果前，請依照我們的 PhenoAge 變化與實驗室雜訊指南，檢查單位與輸入值。

6. 單一異常標記在某模型中可能更重要

想像一個人的葡萄糖、白蛋白、腎臟指標與血球計數都很好，但剛感染後 C 反應蛋白暫時升高。

PhenoAge 可能明顯上升，因為其固定且以死亡風險為導向的方程式對 CRP 有既定貢獻。包含許多額外測量的 KDM 可能稀釋這個單一訊號；也可能反應強烈，若 CRP 在其參考資料中具有可靠的年齡梯度。答案取決於擬合的 KDM 版本。

再想像一個人握力與肺功能持續較低，但血液化學數值良好。含有功能指標的 KDM 能辨識這個模式；標準臨床 PhenoAge 則無法，因為這些測量不是它的輸入。

兩種輸出都不一定「錯」。每一種模型只能看見它被建立來看見的變數。

三種差異模式與可能意義

模式	合理解釋	最佳下一步檢查
PhenoAge 較老、KDM 接近實際年齡	一或多項 PhenoAge 的死亡風險加權標記不理想，但較廣的 KDM 模式仍符合年齡	檢查個別 PhenoAge 貢獻值、單位、發炎與近期疾病
KDM 較老、PhenoAge 接近實際年齡	KDM 組合包含 PhenoAge 沒有的年齡敏感功能或臨床測量	確認確切 KDM 組合及驅動結果的標記
兩者都較老或都較年輕	多個生理訊號可能在兩模型中一致	確認條件已標準化，並以重複測量確認持續性

這些是解讀假設，不是診斷。計算器的綜合年齡絕不應凌駕於葡萄糖、腎功能、發炎、血球計數、血壓或其他輸入的臨床解讀之上。

若想要涵蓋血液、甲基化與穿戴式裝置分數的更廣框架，請閱讀為什麼生物年齡檢測會不同。

該使用哪一個計算器？

請依你想支援的決策來選擇。

想要可重現、以死亡風險為導向的基準時，使用 PhenoAge

若你有完整必要的實驗室數值，且想以廣泛發表的固定公式比較結果，PhenoAge 是較清楚的選擇。它相對容易重現、查核與再次計算。

特別適合以下情況：

9 項必要標記皆可取得，且單位正確；
你希望延續已發表的臨床表型年齡文獻；
你能在相似條件下重複相同檢查組合；
你理解這個年齡是風險相當的摘要，而不是字面上的組織年齡。

想要較廣泛的生理年齡模型時，使用 KDM

若一個有良好文件的 KDM 實作整合多個相關系統，且針對與你相近的族群校準，KDM 可能更適合。

特別適合以下情況：

清楚公開確切生物標記組合與係數；
已說明參考族群與有效年齡範圍；
未來測量仍可使用同一訓練模型；
你在意的是多變量生理偏離，而非單一固定的死亡風險導向分數。

不要因為哪個結果較年輕就選哪個

「挑計算器」會造成虛假的精確感。若你測試足夠多的公式，最後總會有一個給出令人滿意的數字；這不表示它更適合你的問題。

相反地，請在看結果之前就記錄模型，然後維持方法不變。

五點計算器查核

在信任 PhenoAge 或 KDM 結果前，請確認：

**身分：**計算器是否寫明確切方法與原始論文？
**輸入：**是否列出每項必要生物標記與可接受的單位？
**實作：**對 KDM 而言，是否公開標記組合、係數或軟體、訓練族群與有效年齡範圍？
**可重現性：**你能否輸入相同數值兩次，並匯出或記錄結果？
**解讀：**它是否說明不確定性，且避免診斷或抗老治療宣稱？

若一個工具未通過身分或實作檢查，請把結果視為不透明的 App 分數，而不是研究等級的 PhenoAge 或 KDM 估計。

如何比較長期結果

最安全的縱向問題不是「我真正的生物年齡是多少？」而是：

在可比較的測量條件下，同一模型是否持續變動？

請使用以下流程：

保持計算器版本與公式不變；
可行時使用同一家實驗室；
配對空腹狀態與檢測時間；
避免在急性疾病期間，或特別激烈運動後立刻檢測；
記錄藥物與補充品的改變；
保存原始實驗室數值，而非只保存最終年齡；
在改變計畫前，重複檢測意外的結果；
檢查哪些輸入值變動，以及它們是否在臨床上有意義。

小幅差異必須結合測量誤差與模型不確定性解讀。計算器顯示到小數點後一位，不代表它真的準確到 0.1 歲。我們的生物年齡信賴區間指南說明，螢幕上的精細度為何可能超過模型的確定性。

不要把 PhenoAge 與 KDM 取平均。兩個定義不同的概念取平均，沒有既定的臨床意義，也會讓日後更難找出變化原因。

SuperAge 如何處理 PhenoAge 與 KDM

SuperAge 的設計，是讓最終分數和背後證據保持連結，而非把一個生物年齡數字當成判決。它協助你在 iPhone 上整理基礎血液標記、趨勢與計算背景。

當 PhenoAge 與 KDM 出現分歧時，這個差別特別重要。真正有用的資訊通常不是「49」與「43」之間的差距，而是：

哪些生物標記驅動了每個估計值；
計算是否使用正確單位；
是否和上次使用相同方法；
變化是否分布於多個系統；
急性事件是否能解釋這個變動。

若要做更廣泛的方法選擇，請比較表觀遺傳時鐘與血液生物標記年齡。無論採用哪種方法，醫療決策都應以經驗證的臨床指標與專業照護為基礎。

常見問題

為什麼我的 PhenoAge 與 KDM 生物年齡不同？

它們使用不同的數學目標，也可能使用不同生物標記。PhenoAge 把估計死亡風險轉換成相當年齡；KDM 則估計某一參考族群中最符合多變量生物標記模式的年齡。

PhenoAge 比 KDM 更準確嗎？

不存在適合所有用途的通用贏家。表現取決於結果指標、世代、實作方式與可取得的生物標記。比較研究顯示兩者都能預測重要健康結果；請選擇目標與驗證方式符合你問題的模型。

所有 KDM 計算器都會給出相同結果嗎？

不會。KDM 是可用不同生物標記與族群擬合的建模方法。兩個 KDM 計算器都可能合理，卻得出不同年齡。值得信賴的工具應公開模型細節。

我可以比較 PhenoAge 與 KDM acceleration 嗎？

你可以觀察兩者是否大致都指向比預期老或年輕，但它們的年數不能直接互換。做縱向追蹤時，應把 PhenoAge 與同一 PhenoAge 公式比較，把 KDM 與同一 KDM 實作比較。

我應該把 PhenoAge 和 KDM 取平均嗎？

不應該。對以不同方式訓練的分數取平均，不會產生經驗證、也不會更「真實」的生物年齡；它還可能掩蓋造成差異的生物標記或模型。

我該和醫師討論哪個結果？

請討論基礎的實驗室或功能性數值，尤其是超出臨床參考範圍或持續改變的項目。整體生物年齡結果可以提供背景，但不是診斷或治療目標。

結論

PhenoAge 與 KDM 之所以不同，是因為它們對生物年齡的定義不同。

PhenoAge 問的是：什麼實際年齡對應到相近的模型死亡風險？KDM 問的是：在參考族群中，哪個年齡最能解釋多變量生理輪廓？一旦明白這點，這種差異就不再像壞掉的計算器，反而顯示了各模型強調的內容。

為明確的目的選擇一個實作版本。保存原始輸入。標準化重複檢測。追查變化背後的生物標記。絕不要讓一個計算出的年齡凌駕於健全的臨床解讀之上。

追蹤年齡背後的證據

想把血液標記、生物年齡背景與長期趨勢放在一起管理嗎？下載 SuperAge，保存每個結果背後的輸入資訊，而不只是醒目的年齡數字。