成长科学 · 预测
我的孩子能长多高?基因、骨龄,以及为什么没有一种预测是完美的
也许没有哪个问题比这个更让家长焦虑:我的孩子能长多高? 儿子能到 175 cm 吗?女儿会比我高吗?她比同学矮,我该担心吗?
诚实的起点是:成年身高预测不是算命——而是对生物学概率的估算。 现代医学同时解读三条线索——基因、骨骼成熟度(骨龄)和青春期时机——给出今天能得到的最佳估计。但没有任何方法能确定地预测最终身高。卷尺只能告诉你孩子现在站在哪里;它几乎说不出还剩多少发育余地。本文将展示预测究竟如何运作——以及为什么每个好的估算都是一个区间,而不是承诺。
1. 两个孩子,身高相同,未来不同
设想两个男孩。都恰好 9 岁,恰好 128 cm,健康、活跃、正常生长。可一个止步于 170 cm,另一个长到 181 cm。两个看起来一模一样的孩子,怎么会相差 11 厘米?答案藏在三个隐藏变量里——遗传潜力、骨骼成熟度和青春期时机。 卷尺只看得见现在;预测试图估算未来。
2. 基因:蓝图
对成年身高贡献最大的单一因素是基因。多国双胞胎研究一致把成年身高的遗传度定在 60–80%,[1][3] 全基因组分析也证实常见遗传变异合起来能解释其中大部分遗传。[2] 并没有单一的”高个子基因”。相反,成千上万个微小的遗传影响累加起来——与身高相关的变异数量已从 2014 年的约 700 个增长到 2022 年最大规模研究(540 万人)中的逾 12,000 个。[4][5][6] 它们塑造生长板敏感性、激素反应性、骨骼比例,以及生长的时机与时长。
3. 中亲身高——以及如何做得比这个 50 年老公式更好
先看经典。**中亲身高(MPH)**是估算孩子遗传潜力的标准第一步:[7]
男孩:(父亲身高 + 母亲身高 + 13 cm)÷ 2
女孩:(父亲身高 + 母亲身高 − 13 cm)÷ 2
父亲 173 cm、母亲 156 cm → 儿子 ≈ 171 cm,女儿 ≈ 158 cm。有用——但这个公式已有五十多年历史,一项 2024 年针对 23 个超大家庭(每家约 11 名成年子女)的研究显示它存在真实且可修正的缺陷:孩子平均比 MPH 预测的高 2.7 cm,而原始公式只能解释成年身高约 36% 的变异。[23] 三项修正能解决其中大部分——GrowSense 三者全用:
- 父母会随年龄变矮。 成年身高约在 30 岁开始下降并加速——到 70 岁约减少 3 cm(男性)和 5 cm(女性)。[24] 用 55 岁父母的当前身高会低估他们所遗传的;GrowSense 在求平均前把估算的减损加回去。
- 性别差不是固定的 13 cm。 男女差实际上随身高增大(矮个家庭差得小,高个家庭差得大)。用乘法修正——把每位父母同其性别的分布比较——胜过传统的 ±13 cm 常数。[23]
- 回归均值。 很高的父母往往生出比朴素平均略矮的孩子;很矮的父母则略高——一种朝人群均值的统计牵引,自 **1886 年高尔顿(Galton)**以来就已知,[25] 却仍被常规临床忽略。
有了这些修正,估算会带上一个现实的幅度:约 68% 的孩子落在修正目标的 ±4.5 cm 内,约 95% 落在约 ±9 cm 内。[23] GrowSense 把经典的 Tanner 数字和修正后的数字并排展示,让你清楚看到改动了什么——不会悄悄替换。
当父母曾经生长受阻:家族扩展视角
这里藏着一个容易被忽视的微妙陷阱。如果父母从未达到他们自己的遗传身高——因为他们成长时经历过营养不良或童年疾病呢?那么他们测得的身高就低估了家族的真实潜力,MPH 也会低估孩子。这是真实的:长达一个世纪的长期趋势(secular trend)——随条件改善整个人群长高 15–20 cm——主要来自环境,而非基因。[22]
本能是把视野放宽——看祖辈、叔伯姑舅姨和孩子的兄弟姐妹——他们的身高汇集起来,比一位可能受阻的父母更可靠地勾勒家族的遗传上限。GrowSense 正是把这作为一个探索性估算:按遗传相关度给每位有记录的亲属加权(父母 ½;祖辈和叔伯姑舅姨 ¼;兄弟姐妹 ½),再与经过验证的”仅父母”结果融合。
结论: MPH 是起点,不是天花板。GrowSense 用经过验证的修正把起点磨得更准,并且——当父母自身的生长可能被压制时——让你把镜头拓宽到整个家族,并清楚标注它的性质。
4. 骨龄:骨骼的时钟
实足年龄是出生以来的年数。骨龄是骨骼发育实际推进到了哪一步——二者常常不同。[13] 一个骨龄 8 岁半的 10 岁孩子成熟得比平均慢,通常还剩更多生长时间。一个骨龄 12 岁的 10 岁孩子成熟得更快,剩下的时间更少。
5. 为什么骨龄可能比百分位更重要
这是儿童生长中最重要的观念之一。取两个 10 岁孩子,都在身高第 10 百分位。孩子 A 骨龄 8,孩子 B 骨龄 12。在生长曲线上他们看起来一样——临床上却完全不同。 孩子 A 很可能是晚长者,余地充足;[20] 孩子 B 可能正提早接近生长板闭合。同一个百分位,生长故事却大不相同。
6. 骨龄怎么读
国际标准是一张低辐射的左手和手腕 X 光片——之所以选它,是因为辐射极小、有数十年的参照数据,以及多个可见的生长中心。放射科医生把腕骨发育、骨骺出现和融合情况对照标准图谱来解读。有两套经典系统在用:Greulich & Pyle 图谱(把整张 X 光片与参考图像比对——全球使用最广)[12] 和 Tanner-Whitehouse 法(逐块骨评分——更细致、略更精确)。[13]
7. AI 与骨龄的未来
人工智能正在快速改变这个领域。深度学习模型如今从手部 X 光片评估骨骼成熟度,准确度可与经验丰富的儿科放射科医生媲美,[15] 这一发现在一场大型公开挑战赛中经受了压力测试,[16] 并由系统综述与荟萃分析所证实。[17] AI 不取代临床医生——它提供一个高度一致的第二意见。 这正是 GrowSense 追求的角色:不是诊断或治疗,而是一个客观的、纵向的生长伙伴。
8. 青春期:加速器与终点线
青春期改变一切。此前,典型速度是 4–6 cm/年;青春期中,女孩峰值约 6–10 cm/年,男孩约 7–12 cm/年。[18] 但推动这波激增的性激素,同时也开始关闭生长板——青春期既是加速器也是终点线。
由于孩子进入青春期的年龄不同,两个孩子在中间阶段可能看起来差别巨大。一个 10 岁开始,另一个 13 岁;到 12 岁时晚开始的那个看起来矮得多——可到 18 岁反而可能更高。那种模式叫体质性生长和青春期延迟(CDGP)——经典的晚长者,也是孩子被转诊到小儿内分泌科最常见的原因之一。[19][20](体重也会微调时机——肥胖与女孩青春期提前相关,可能改变身高轨迹。[21])
9. 医生如何预测成年身高
有几套经过验证的系统综合了当前身高、骨龄、性别和骨骼成熟度——Bayley-Pinneau、[11] Tanner-Whitehouse、[8][9] 和 Roche-Wainer-Thissen 法。[10] 它们的准确度真实但有边界,并且随青春期临近而提高——很像天气预报越接近当天越清晰。例如在 Tanner-Whitehouse 验证中,10 岁男孩 95% 的预测落在约 ±8 cm 内,到 15 岁收紧到 ±6 cm(若已知前一年的生长则为 ±4 cm)。[9]
| 孩子年龄 | 预测可靠度 |
|---|---|
| 3–5 岁 | 低 |
| 6–8 岁 | 中等 |
| 9–11 岁 | 良好 |
| 12–14 岁 | 高 |
| 接近生长板闭合 | 很高 |
10. 孩子能长得比父母高吗?
当然能——而且很多孩子做到了。过去一个世纪,成年平均身高大幅上升:一项针对 1860 万人的全球分析发现,某些人群(韩国女性、伊朗男性)在一百年里长高了 15–20 cm。[22] 这个长期趋势之所以发生,是因为营养、医疗和童年生活条件改善了——让孩子把父母无法表达的更多遗传潜力表达出来。这是最清晰的证明:中亲估算是一条被灯光照亮的路径,而不是锁死的天花板。
11. 为什么预测有时会失准
没有模型能完美看见未来。当意外来临时预测会偏移——青春期提前或延迟、肥胖、[21] 慢性疾病、内分泌或睡眠障碍,或长期使用皮质类固醇。 好的预测不是一次性的判决;它会随着新的测量、骨龄和青春期里程碑的到来而更新。
12. 家长真正能影响的
你改不了 DNA——但你能保护已经存在的潜力。睡眠、均衡营养和充足蛋白、体育活动、避免肥胖、管理慢性病,并不会创造额外的遗传身高。它们移除障碍,否则这些障碍会阻止孩子达到自己的上限。[18]
13. 身高预测不是天花板
如果只记一句话,那就是:身高预测不是命运、不是承诺、也不是上限。 它只是用今天的信息给出的今天最佳估算——随着新信息到来,预测会变得更好。生长预测的未来不是单一数字,而是一个活的预测,随时间把父母身高、连续测量、骨龄、青春期阶段、睡眠、营养和活动综合起来。
从单一数字,到一个活的预测
GrowSense 不只问"我的孩子能长多高?"——它问"我的孩子是否走在表达全部潜力的轨道上?" 它把连续生长、睡眠、营养和活动连成一幅诚实、纵向的画面,标注哪些是实测、哪些是估算。不是为了追逐厘米,而是帮每个孩子在步入成年时,尽可能完整地保留自己的天然潜力。
了解 GrowSense给家长的要点
如果你的孩子今天比同学矮,单凭这一点意义很小。如果骨龄延迟,也许还有更多生长在前面。如果孩子沿着自己的曲线稳步生长,这比任何单一百分位都更重要。最有用的问题很少是*“我的孩子今天多高?“——而是”这段生长旅程正走向何方?”* 预测的目的不是制造焦虑,而是创造清晰。
参考文献
A. Genetics & heritability
- Silventoinen K, et al. Heritability of adult body height: a comparative study of twin cohorts in eight countries. Twin Res. 2003;6(5):399–408. PMID: 14624724.
- Yang J, Benyamin B, McEvoy BP, et al. Common SNPs explain a large proportion of the heritability for human height. Nat Genet. 2010;42(7):565–569. PMID: 20562875.
- Jelenkovic A, et al. Genetic and environmental influences on adult human height across birth cohorts from 1886 to 1994. eLife. 2016;5:e20320. PMID: 27964777.
- Wood AR, Esko T, Yang J, et al. Defining the role of common variation in the genomic and biological architecture of adult human height. Nat Genet. 2014;46(11):1173–1186. PMID: 25282103.
- Yengo L, Sidorenko J, Kemper KE, et al. Meta-analysis of genome-wide association studies for height and body mass index in ∼700,000 individuals of European ancestry. Hum Mol Genet. 2018;27(20):3641–3649. PMID: 30124842.
- Yengo L, Vedantam S, Marouli E, et al. A saturated map of common genetic variants associated with human height. Nature. 2022;610(7933):704–712. PMID: 36224396.
B. Mid-parental height & adult-height prediction
- Tanner JM, Goldstein H, Whitehouse RH. Standards for children's height at ages 2–9 years allowing for height of parents. Arch Dis Child. 1970;45(244):755–762. PMID: 5485010.
- Tanner JM, Whitehouse RH, Marshall WA, Carter BS. Prediction of adult height from height, bone age, and occurrence of menarche, at ages 4 to 16 with allowance for midparent height. Arch Dis Child. 1975;50(1):14–26. PMID: 164838.
- Tanner JM, Landt KW, Cameron N, Carter BS, Patel J. Prediction of adult height from height and bone age in childhood (TW Mark II). Arch Dis Child. 1983;58(10):767–776. PMID: 6639123.
- Roche AF, Wainer H, Thissen D. The RWT method for the prediction of adult stature. Pediatrics. 1975;56(6):1027–1033. PMID: 172855.
- Bayley N, Pinneau SR. Tables for predicting adult height from skeletal age: revised for use with the Greulich-Pyle hand standards. J Pediatr. 1952;40(4):423–441.
C. Bone age
- Greulich WW, Pyle SI. Radiographic Atlas of Skeletal Development of the Hand and Wrist. 2nd ed. Stanford University Press; 1959.
- Martin DD, Wit JM, Hochberg Z, et al. The use of bone age in clinical practice — part 1. Horm Res Paediatr. 2011;76(1):1–9. PMID: 21691054.
- Mora S, Boechat MI, Pietka E, Huang HK, Gilsanz V. Skeletal age determinations in children of European and African descent: applicability of the Greulich and Pyle standards. Pediatr Res. 2001;50(5):624–628. PMID: 11641458.
D. AI bone-age assessment
- Larson DB, Chen MC, Lungren MP, Halabi SS, Stence NV, Langlotz CP. Performance of a deep-learning neural network model in assessing skeletal maturity on pediatric hand radiographs. Radiology. 2018;287(1):313–322. PMID: 29095675.
- Halabi SS, Prevedello LM, Kalpathy-Cramer J, et al. The RSNA pediatric bone age machine learning challenge. Radiology. 2019;290(2):498–503. PMID: 30480490.
- Dallora AL, Anderberg P, Kvist O, et al. Bone age assessment with various machine learning techniques: a systematic literature review and meta-analysis. PLoS One. 2019;14(7):e0220242. PMID: 31344143.
E. Puberty, tempo & timing
- Rogol AD, Clark PA, Roemmich JN. Growth and pubertal development in children and adolescents: effects of diet and physical activity. Am J Clin Nutr. 2000;72(2 Suppl):521S–528S. PMID: 10919954.
- Palmert MR, Dunkel L. Delayed puberty. N Engl J Med. 2012;366(5):443–453. PMID: 22296078.
- Soliman AT, De Sanctis V. An approach to constitutional delay of growth and puberty. Indian J Endocrinol Metab. 2012;16(5):698–705. PMID: 23087852.
- Reinehr T, Roth CL. Is there a causal relationship between obesity and puberty? Lancet Child Adolesc Health. 2019;3(1):44–54. PMID: 30446301.
F. Secular trends in height
- NCD Risk Factor Collaboration (NCD-RisC). A century of trends in adult human height. eLife. 2016;5:e13410. PMID: 27458798.
G. Improved & extended target-height method
- Zeevi D, Ben Yehuda A, Nathan D, Zangen D, Kruglyak L. Accurate prediction of children's target height from their mid-parental height. Children (Basel). 2024;11(8):916. PMID: 39201851.
- Sorkin JD, Muller DC, Andres R. Longitudinal change in height of men and women… the Baltimore Longitudinal Study of Aging. Am J Epidemiol. 1999;150(9):969–977. PMID: 10547143.
- Galton F. Regression towards mediocrity in hereditary stature. J Anthropol Inst. 1886;15:246–263. (The origin of regression to the mean.)
本文仅供科普,不构成医疗诊断或治疗。身高预测是有真实误差范围的统计估算,而非承诺。若对孩子的生长或青春期时机有疑虑,请咨询合格的儿科医生或小儿内分泌科医生。