人能活多长？其实……

Nature 654:29

书籍与艺术

日本的冲绳岛被标记为“蓝区”，即一个以大量人口活到极高年龄为特征的区域

人类寿命的可疑科学

关于人类能活多久的说法经不起推敲，长寿研究员 Saul Newman 告诉《自然》杂志。

人类可以活到多少岁——以及他们预计能在健康状态下生活多长时间？过去一个世纪，得益于营养改善和医学科学的进步，平均寿命有所增加。因此，这些问题日益引起人口学家和衰老研究人员的关注。答案很重要：不仅对个人如此，对试图围绕老龄化人口建立可持续社会体系的社会也是如此。

然而，对于现有数据显示了什么，几乎没有共识。一些研究人员表示，总体预期寿命的增长主要或完全归因于生命早期死亡率的降低，而非更多人活到极高年龄，并且人类遗传中可能存在一个固有的长寿极限。另一些人则从数据中看到了完全相反的模式。与此同时，关于“超级百岁老人”（活到110岁或以上的人）普遍程度的说法受到关注，许多极端长寿个体的案例受到质疑或被揭穿。

《病态：揭穿现代长寿科学》 Saul Justin Newman 麻省理工学院出版社（2026）

英国牛津人口老龄化研究所的长寿研究员 Saul Newman 因其试图揭穿“蓝区”概念（希腊、意大利和日本等国据说拥有异常多极端老人的地区）的工作而引起了关注。Newman 的说法引发了一些人口学家的激烈回应。

在他的著作《病态》中，他加倍投入这个话题，认为所有关于人类最大寿命的说法和反说法都建立在脆弱的基础上。他说，许多著名的极端长寿案例仅仅源于有缺陷的记录，这引发了关于如何测量和解释衰老的更广泛问题。

是什么最初让你对超级百岁老人记录的可靠性产生怀疑？

起初是好奇心，由一位同事发给我的、一篇明显有缺陷的《自然》论文所激发。作者认为人类生存存在一个硬性极限，但我发现该分析建立在基本的数学错误之上。

令我震惊的是研究人员的回应。许多人争论论文的发现，但错误的严重程度却没有被认识到。这让我陷入了人类能活多久这个更广泛的问题。

不久之后，一篇基于意大利105岁及以上人群数据的《科学》论文发表了。它声称展示了晚年死亡率平台：一种在中年看到的不断增加死亡风险在更高年龄减缓，并最终完全停止恶化的模式。这一结果完全取决于中年是如何定义的。在超过800种可能的模型设定中，只有一种产生了平台期。对建模的任何微小改变都会使统计显著性消失。

到那时，我已经被糟糕的科学和有趣问题的结合所俘获，于是我开始解决问题。

在极端年龄的数据集中，哪种错误最常见？

许多错误是无法检测的，因此，我们不知道它们发生的潜在频率。这引发了人口学家相当荒谬的反应，他们说，当然，有些错误偶尔会逃脱检测，但这些错误一定是罕见的。我通常会问他们：如果你无法检测特定错误，你怎么知道它们罕见？

核心问题在于，年龄依赖于一个测量系统：文书工作。如果一个人的文书工作一致但错误，就没有可重复的方法知道。你经常看到一个著名的案例被讨论，细节被详尽验证，所有的文书都被检查过。但几十年后，结果发现这个案例是假的。它通过了人口学家所有的测试，但它仍然是错的。

我不仅仅在个别案例中观察到这一点。我在整个人群中都发现了它。例如，在希腊，至少有72%的百岁老人记录是养老金欺诈案例。这个人纸面上还活着，而他们的年轻亲属领取养老金支票。这就是希腊长寿的秘密，而人口学界几十年来没有人发现。

为什么极端年龄的记录特别容易受到这些问题的困扰？

有几个重叠的错误过程。养老金欺诈是一个。笔误是另一个，而且可能是无法检测的。那些文书细节有误的人通常不知道，因为一个世纪前的识字率很低。有些人故意增加年龄以逃避兵役，有些人为了在年轻时结婚或提前工作，还有一些人只是从年长亲属那里继承了文书，因为这比旅行或花钱登记新的出生更容易。

然后是身份替换。想象一个房间里有100个超过100岁的人，都持有有效的文书。把其中一个换成他们年轻的兄弟姐妹。你如何检测这个调换？文书是真实的。这个人对他们的兄弟姐妹足够了解，可以回答问题。

即使你了解社会和管理背景，仍然没有可重复的方法来确定一个人文书上的年龄是否正确。这就是核心问题。

还有更广泛的模式。极端长寿往往出现在记录系统薄弱、收入低、出生登记历史水平低的地区。如果这个信号是生物性的，这种模式与预期相悖。

年龄研究依赖于文书工作

你认为小错误在极高龄时可能占主导地位。这是如何发生的？

这个数学过程违反直觉但很简单。通常，罕见错误可以忽略。但在这种情况下，它们非线性增长。

取一个50岁的大人群。引入一小部分真实年龄比记录年龄年轻的人。这些个体在生物学上比其他人年轻，因此随着队列老龄化，他们的死亡率较低。每年，记录中有错误的人的比例会增加，因为年龄被夸大的人比数据准确的人更有可能存活。即使起始错误率很小，你也可能在极高龄时得到一个错误率达到100%的人群。

此外，这个过程是不对称的。如果错误跑向另一个方向，那些生物学年龄比报告年龄大的人会更快地死去。结果是，在最年长的年龄段，数据被这些不可见的年龄编码错误所主导。

你是否比其他国家数据集更信任某些国家的数据？

不。这是一个普遍问题。在美国，有5%到10%的人口在人口普查中错误陈述他们的年龄。通常，他们只是不知道。世界上近四分之一的孩子仍然没有收到出生证明。加上出生登记制度在历史上推广缓慢，你就得到了广泛的不确定性。

在第二次世界大战期间，美国超过一半的适龄劳动人口没有文书。出生证明通常主要根据人们报告的年龄发放。到1960年代，十分之一的白人和四分之一的非白人在人口普查年龄与有记录的年龄之间存在十年或更多的差异。

不可靠的记录在波多黎各成为一个如此严重的问题，以至于那里的出生记录在2010年被完全重置。类似的数据异常在世界各地出现。这些是无法追溯纠正的结构性问题。

如果记录不可靠，这将对关于人类最大寿命的辩论产生什么影响？

这使得辩论完全陷入混乱。关于人类寿命是否存在极限的争论已经持续了40年。双方似乎都错了，数据似乎是垃圾。几十年来，人口学家一直在从糟糕的数据中得出摇摇欲坠的推论。

衰老的生物标志物能否绕过其中的一些问题？

只有当它们根据物理测量进行校准时才能。目前，生物标志物是根据文书工作来校准的。如果文书工作错了，生物标志物就无法纠正这个错误。就好像我们有两把尺子——文书工作和生物标志物——当测量结果不匹配时，我们假设原因是生物学的。

但是，如果一个人的表观遗传年龄比他们纸面上的年龄年轻，你如何判断这是由他们的生物学引起的，还是由错误的文书工作引起的？没有人能排除第二种可能性，因为许多文书错误是无法检测的。然而，人们还是买账了“超级衰老”的炒作。

解决方案是引入第三把尺子：基于物理学的测量。一些锚定在物理过程中的东西，例如氨基酸外消旋化（racemization）或放射性碳定年，可以在牙齿和眼睛组织中测量。只有到那时，你才能正确地校准生物标志物。

长寿研究可以做些什么来减少极端年龄数据集中的虚假信号？

我们需要根据物理定年方法校准年龄的生物标志物估计值。而且我们需要了解年龄编码错误在人群中的分布。

目前，人们将生物年龄与记录年龄之间的残差变异解释为异常衰老的证据。一个更简单的解释是循环错误。拥有不正确的文书工作比衰老得慢要容易得多。

另一个紧迫的问题是诚信危机。在为我的书做研究时，我发现了长寿领域令人瞩目的不端行为案例。这些行为本应导致解雇和监禁。相反，领先的长寿研究人员获得了媒体报道并创办了初创公司。当涉及金钱时，任何规模的问题似乎都被忽视了，包括虚假信号和糟糕的数据。

你相信实验性衰老研究，例如模式生物中的研究吗？

存在一个基本的统计问题。衰老是随时间变化的速率。要测量这个速率，你需要大的样本量——每个处理大约1,000个生物体。很少有研究满足这个要求。

大多数衰老研究遵循我称之为“捕鼠器研究”的模式。一项研究改变一个环境因素，并观察寿命是否有任何变化。如果平均寿命增加，研究人员就将这种变化解释为抗衰老效应。

 一个人拥有不正确的文书工作的可能性比衰老速度慢的可能性要大得多

但是，如果你在实验期间只是在老鼠环境中添加一些捕鼠器，或者移除一些已经在那里的捕鼠器，你也会看到平均寿命有类似的效果。在这种情况下，实验告诉你关于衰老的信息为零。它告诉你的是死亡率。改变存活率与改变衰老速率不是一回事。

那么关于细胞衰老机制的研究呢，比如端粒和表观遗传时钟？

端粒的故事很有启发性。几十年来，关于端粒导致衰老的炒作不断。然后因果实验表明，改变端粒长度几乎没有任何作用。

警告信号从一开始就存在。该领域在没有任何真正反思的情况下继续前进。现在，类似的问题在表观遗传时钟的研究中被忽视了。

动物寿命延长机制能够转化到人类身上的说法有多大说服力？

完全没有说服力。已经花费了数十亿美元，撰写了数千篇论文，但这种事从未发生过。真正能延长动物寿命的干预措施很少，而且通常针对特定系统。受控实验与人类群体之间存在一个尚未被跨越的鸿沟。我们需要生物学和统计学的基础性工作，而不是另一个专注于预防衰老的初创公司。

什么样的证据会说服你某种疗法真正地延缓了人类衰老？

衰老是事物随时间恶化的过程。它是一个变化速率。要证明对衰老有影响，你需要证明恶化的速率已经改变。这需要大规模的、可重复的、具有足够统计功效和全新方法的研究。它还需要诚实的研究实践。我们还有很长的路要走。

科学家应该如何传达这个领域的不确定性？

如果抗衰老研究有效，哪怕一点点，它也会是显而易见的。生物年龄减少八年会带来死亡风险的降低。它不需要营销。

一种能降低生物年龄的干预措施将在几乎每种疾病中产生明显的临床效果。这些效果在标准临床试验中将是高度可见的。在缺乏这种证据的情况下，重点应该放在数据质量、统计稳健性和可重复性上。

关于极端长寿的非凡说法应该得到比目前更多的怀疑。这些说法在开始时被大声地平台化，在失败时则被沉默地掩埋。科学传播者也许应该思考为什么会这样，以及这对公众信任有何影响。

David Adam采访

本采访经过长度和清晰度编辑。

1. Newman, S. J. Preprint at bioRxiv https://doi.org/10.1101/704080 (2025). 

2. Dong, X., Milholland, B. & Vijg, J. Nature 538, 257–259 (2016).

3. Barbi, E., Lagona, F., Marsili, M., Vaupel, J. W. & Wachter, K. W. Science 360, 1459–1461 (2018).