PCAge 工具采用分析矩阵分解方法来简化复杂数据。
新加坡中央医院 （SGH） 和新加坡国立大学杨潞龄医学院 （NUS Medicine） 联合开发了算法驱动的测试，以指示衰老干预策略的死亡风险。
PCAge 是一种机器学习算法，它使用分析矩阵分解技术将复杂的高维数据简化为较低维度。
该团队利用了来自国家健康和营养检查调查（NHANES）的公开数据，其中包括3,000多名年龄在40至89岁之间的参与者。
该方法提供数据，根据患者状态的信息表示来确定合并症的根本原因。
此外，该团队还直接基于开发的工具生成了一个简化的临床衰老时钟LinAge，保持了同等的预测能力，但需要的参数更少。
迄今为止，LinAge已被应用于SGH老年病诊所的40名年龄在65至95岁之间的新加坡人，可以通过常规临床血液检查、尿检和健康问卷来确定。
