¿Puede la IA predecir la edad metabolómica de una persona y adaptar los planes de salud en consecuencia?

La edad estimada a partir de moléculas de la sangre puede diferir de la edad cronológica. Investigadores del King’s College London compararon algoritmos que calculan esta «edad metabolómica» en una amplia cohorte. Los resultados mostraron asociaciones con indicadores de salud y supervivencia. El método aún no es una prueba clínica que, por sí sola, permita decidir tratamientos o condiciones de un seguro.

Edad cronológica y metabolómica

La edad cronológica es el tiempo transcurrido desde el nacimiento. El envejecimiento biológico abarca un conjunto más amplio de cambios en el funcionamiento del organismo. Una estimación obtenida de metabolitos sanguíneos refleja solo parte de ese proceso y no mide de forma completa la «edad biológica» de una persona. El estudio tampoco demuestra que una intervención que cambie esa cifra reduzca necesariamente el riesgo de enfermedad.

¿Qué son los metabolitos?

Los metabolitos son pequeñas moléculas que intervienen en los procesos bioquímicos del cuerpo o resultan de ellos. Sus concentraciones sanguíneas pueden aportar información sobre distintas vías metabólicas. En este estudio se midieron 168 características metabólicas del plasma mediante espectroscopia de resonancia magnética nuclear.

Cómo se realizó el estudio MileAge

Los investigadores entrenaron y validaron internamente 17 algoritmos de aprendizaje automático con datos de hasta 225.212 participantes del UK Biobank. Tenían entre 40 y 69 años al incorporarse a esa cohorte. Los modelos estimaron la edad a partir de muestras de sangre y se comparó esa estimación con la edad cronológica conocida.

El MileAge delta es la diferencia entre la edad estimada por el modelo y la edad cronológica. Un valor positivo indica que, según ese modelo concreto, el perfil metabólico se parece al de una persona mayor. Es una medida estadística de investigación, no un diagnóstico individual.

Resultados y limitaciones

De los métodos examinados, la diferencia MileAge obtenida con un modelo de regresión basado en reglas llamado Cubist mostró las asociaciones más fuertes con los indicadores de salud y envejecimiento analizados. Los investigadores estudiaron, entre otras cosas, las relaciones con la fragilidad, la longitud de los telómeros y la mortalidad. Una asociación no demuestra que la edad metabolómica cause esos resultados ni que el modelo pueda predecir con certeza la esperanza de vida de una persona.

Los datos procedían del UK Biobank y la validación descrita fue interna. Se necesita comprobar el método de forma independiente en otras poblaciones, grupos de edad y entornos clínicos. Otras técnicas de medición y otros modelos pueden producir estimaciones diferentes.

Posibles usos en investigación

Una medida metabólica validada de forma fiable podría ayudar a estudiar el envejecimiento, comparar grupos e investigar factores de riesgo. Tras nuevas pruebas, quizá podría complementar otros datos en la prevención sanitaria. El estudio no demuestra que un reloj inteligente mida MileAge con solo pulsar un botón ni justifica que médicos y aseguradoras tomen ya decisiones basadas únicamente en esa puntuación.

Investigadores y financiación

Los autores son Julian Mutz, Raquel Iniesta y Cathryn M. Lewis, del Institute of Psychiatry, Psychology & Neuroscience del King’s College London. Utilizaron datos del UK Biobank. El apoyo a la investigación incluyó al NIHR y al Maudsley Biomedical Research Centre.

Empresas de ciencias de la vida

Los nuevos métodos para analizar datos biológicos pueden interesar al sector. Eso no significa que esta investigación valide los productos de una empresa determinada o sirva para pronosticar su cotización.

10x Genomics Inc.

10x Genomics (TXG ) desarrolla herramientas para analizar células y muestras biológicas. La empresa no creó el modelo MileAge de este estudio y no se ha documentado una relación comercial entre ambos.

Próximos pasos

El estudio muestra que elegir un algoritmo u otro cambia lo que puede inferirse de los mismos datos metabólicos. La utilidad práctica de MileAge dependerá de una validación independiente, mediciones reproducibles y pruebas de que aporta información adicional a la de los datos clínicos establecidos. Más sobre tecnología sanitaria.

Estudio citado

Mutz, J., Iniesta, R. y 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.