Μπορεί η Τεχνητή Νοημοσύνη να Προβλέψει τη Μεταβολομική Ηλικία ενός Ατόμου και να Προσαρμόσει τα Σχέδια Υγείας Αναλόγως;

Η ηλικία που προβλέπεται από ουσίες του αίματος μπορεί να διαφέρει από τη χρονολογική ηλικία. Ερευνητές του King’s College London συνέκριναν αλγορίθμους που υπολογίζουν αυτή τη «μεταβολομική ηλικία» από δείγματα μεγάλης ερευνητικής βάσης. Τα αποτελέσματα δείχνουν συσχετίσεις με δείκτες υγείας και επιβίωσης· δεν αποτελούν ακόμη κλινικό τεστ που καθορίζει μόνο του θεραπεία ή ασφάλιση.

Χρονολογική και μεταβολομική ηλικία

Η χρονολογική ηλικία είναι ο χρόνος από τη γέννηση. Η βιολογική γήρανση είναι ευρύτερη έννοια που περιγράφει αλλαγές στη λειτουργία του οργανισμού. Ένας υπολογισμός από μεταβολίτες αποτυπώνει μία πτυχή αυτών των αλλαγών, όχι ολόκληρη τη «βιολογική ηλικία» ενός ανθρώπου. Ο αριθμός μπορεί να επηρεάζεται από υγεία, διατροφή, φάρμακα και άλλους παράγοντες, αλλά η μελέτη δεν έδειξε ότι μια παρέμβαση αλλάζει αναγκαστικά τον κίνδυνο νόσου επειδή αλλάζει τον αριθμό.

Τι είναι οι μεταβολίτες;

Οι μεταβολίτες είναι μικρά μόρια που συμμετέχουν ή προκύπτουν από τις βιοχημικές διεργασίες του σώματος. Η συγκέντρωσή τους στο αίμα δίνει πληροφορίες για διάφορες μεταβολικές οδούς. Η μελέτη χρησιμοποίησε φασματοσκοπία πυρηνικού μαγνητικού συντονισμού για τη μέτρηση 168 μεταβολικών χαρακτηριστικών στο πλάσμα.

Πώς έγινε η μελέτη MileAge

Οι ερευνητές εκπαίδευσαν και επικύρωσαν εσωτερικά 17 αλγορίθμους μηχανικής μάθησης με στοιχεία έως 225.212 συμμετεχόντων της UK Biobank. Κατά την ένταξή τους, οι συμμετέχοντες ήταν 40 έως 69 ετών. Κάθε μοντέλο εκτιμούσε την ηλικία από τις μετρήσεις αίματος και οι ερευνητές συνέκριναν τις εκτιμήσεις με τη γνωστή χρονολογική ηλικία.

Ο όρος MileAge delta περιγράφει τη διαφορά μεταξύ της ηλικίας που προβλέπει το μεταβολικό μοντέλο και της χρονολογικής ηλικίας. Θετική διαφορά σημαίνει ότι, σύμφωνα με το συγκεκριμένο μοντέλο, το μεταβολικό προφίλ μοιάζει με εκείνο μεγαλύτερης ηλικίας. Πρόκειται για στατιστικό δείκτη πληθυσμιακής έρευνας και όχι διάγνωση για ένα άτομο.

Αποτελέσματα και όρια

Από τους αλγορίθμους που εξετάστηκαν, ένα μοντέλο παλινδρόμησης βασισμένο σε κανόνες Cubist έδωσε τη διαφορά MileAge με τις ισχυρότερες συσχετίσεις με δείκτες υγείας και γήρανσης. Η έρευνα βρήκε συσχετίσεις με ευθραυστότητα, μήκος τελομερών και θνησιμότητα. Η συσχέτιση δεν αποδεικνύει ότι η μεταβολομική ηλικία προκαλεί αυτά τα αποτελέσματα ή ότι μπορεί από μόνη της να προβλέψει με ακρίβεια τη διάρκεια ζωής ενός συγκεκριμένου ανθρώπου.

Το δείγμα προήλθε από τη UK Biobank και η επικύρωση που περιγράφεται είναι εσωτερική. Χρειάζεται ανεξάρτητη αξιολόγηση σε άλλους πληθυσμούς, ηλικίες και κλινικά περιβάλλοντα πριν ο δείκτης χρησιμοποιηθεί ως εργαλείο ρουτίνας. Διαφορετικές μέθοδοι μέτρησης ή διαφορετικά μοντέλα μπορεί να δίνουν άλλες εκτιμήσεις.

Πιθανές χρήσεις στην έρευνα υγείας

Ένας αξιόπιστα επικυρωμένος μεταβολικός δείκτης θα μπορούσε να βοηθήσει τους ερευνητές να μελετήσουν τη γήρανση, να συγκρίνουν ομάδες πληθυσμού και να εξετάσουν παράγοντες κινδύνου. Θα μπορούσε επίσης, μετά από πρόσθετες δοκιμές, να συμπληρώσει άλλες πληροφορίες σε μελέτες πρόληψης. Η δημοσίευση δεν αποδεικνύει ότι ένα ρολόι χειρός μπορεί να μετρήσει τη MileAge με ένα πάτημα, ούτε ότι ασφαλιστές ή γιατροί πρέπει ήδη να λαμβάνουν αποφάσεις με βάση αυτή τη μέτρηση.

Ερευνητές και χρηματοδότηση

Τη μελέτη υπογράφουν οι Julian Mutz, Raquel Iniesta και Cathryn M. Lewis από το Institute of Psychiatry, Psychology & Neuroscience του King’s College London. Χρησιμοποιήθηκαν δεδομένα της UK Biobank. Στην ερευνητική υποστήριξη περιλαμβάνονται το NIHR και το Maudsley Biomedical Research Centre.

Εταιρείες του ευρύτερου κλάδου

Οι εταιρείες βιοεπιστημών μπορούν να ενδιαφέρονται για νέες μεθόδους ανάλυσης βιολογικών δεδομένων. Αυτό δεν σημαίνει ότι η συγκεκριμένη μελέτη επικυρώνει τα προϊόντα τους ή αποτελεί επενδυτική πρόβλεψη.

10x Genomics Inc.

Η 10x Genomics (TXG ) αναπτύσσει εργαλεία για την ανάλυση κυττάρων και βιολογικών δειγμάτων. Η εταιρεία δεν δημιούργησε το μοντέλο MileAge της μελέτης και δεν τεκμηριώνεται εδώ εμπορική σύνδεση μεταξύ τους.

Τι ακολουθεί;

Η εργασία δείχνει ότι διαφορετικοί αλγόριθμοι δίνουν διαφορετικά χρήσιμες εκτιμήσεις από τα ίδια μεταβολικά δεδομένα. Η πρακτική αξία του MileAge θα εξαρτηθεί από ανεξάρτητη επικύρωση, επαναληψιμότητα και απόδειξη ότι προσθέτει πληροφορίες πέρα από τις υπάρχουσες κλινικές μετρήσεις. Περισσότερα για την τεχνολογία υγείας.

Παραπομπή

Mutz, J., Iniesta, R. & Lewis, C. M. (2024). Metabolomic age (MileAge) predicts health and life span: A comparison of multiple machine learning algorithms. Science Advances, 10(51), eadp3743. doi:10.1126/sciadv.adp3743.