AIは個人のメタボロミック年齢を予測し、健康プランをそれに合わせてカスタマイズできるか？

血液中の物質から推定した年齢は、生年月日から数えた年齢と異なることがあります。キングス・カレッジ・ロンドンの研究者は、大規模な研究集団のデータを使い、この「メタボローム年齢」を推定する複数のアルゴリズムを比較しました。健康状態や生存に関する指標との関連が見られましたが、これだけで治療や保険の判断を下せる臨床検査が完成したわけではありません。

暦年齢とメタボローム年齢

暦年齢は生まれてから経過した時間です。生物学的な老化は、体内で起こるさまざまな変化を指す、より広い概念です。血液中の代謝物から計算した値はその一側面を示すものであり、個人の「生物学的年齢」の全体を表すわけではありません。この数値を変える介入が必ず病気のリスクを下げることも、今回の研究では示されていません。

代謝物とは

代謝物は、体内の生化学的な働きに関わったり、その結果として生じたりする小さな分子です。血液中の濃度は、さまざまな代謝経路の手掛かりになります。この研究では、核磁気共鳴分光法を用いて、血漿中の168項目の代謝関連指標を測定しました。

MileAge研究の方法

研究チームはUK Biobankの最大225,212人分のデータを使い、17種類の機械学習アルゴリズムを学習させ、内部検証しました。参加者の登録時の年齢は40～69歳でした。モデルが血液データから推定した年齢を、実際の暦年齢と比較しています。

MileAge deltaは、モデルによる推定年齢と暦年齢の差です。値が正なら、そのモデルで評価した代謝物のパターンが、より高い年齢の人に近いことを意味します。これは集団研究の統計指標であり、個人の診断ではありません。

結果と限界

比較した手法のうち、ルールに基づくCubist回帰モデルのMileAge差が、調べた健康・老化指標と最も強い関連を示しました。研究者は、フレイル、テロメア長、死亡率などとの関連を調べています。ただし関連があることは、メタボローム年齢がそれらの結果を引き起こす証拠でも、個人の寿命を確実に予測できる証拠でもありません。

データはUK Biobankに由来し、論文で述べられた検証は同じデータ基盤内で行われています。日常診療で使うには、別の集団、年齢層、医療現場で独立した検証が必要です。測定方法やモデルが違えば、推定値も変わる可能性があります。

研究で想定される用途

十分に検証された代謝指標は、老化の研究、集団間の比較、リスク要因の調査に役立つかもしれません。追加の試験を経て、予防研究で他の情報を補う可能性もあります。今回の論文は、スマートウォッチのボタン一つでMileAgeを測れることや、医療機関・保険会社が今すぐこの数値だけで判断すべきことを示していません。

研究者と資金支援

著者はキングス・カレッジ・ロンドンのInstitute of Psychiatry, Psychology & Neuroscienceに所属するJulian Mutz、Raquel Iniesta、Cathryn M. Lewisです。UK Biobankのデータを使用しました。研究支援にはNIHRとMaudsley Biomedical Research Centreが含まれます。

ライフサイエンス企業との関係

生物学的データの新たな分析法は、関連業界の関心を集める可能性があります。ただし、この研究が特定企業の製品を検証したり、その株価を予測したりするわけではありません。

10x Genomics Inc.

10x Genomics (TXG )は、細胞や生体試料を分析するためのツールを開発しています。同社がこの研究のMileAgeモデルを作ったわけではなく、両者の商業的な関係もここでは確認されていません。

今後の課題

同じ代謝データでも、アルゴリズムの選び方によって得られる情報は異なります。MileAgeの実用性を判断するには、独立した検証、測定の再現性、既存の臨床指標に加えて有用な情報をもたらすという証拠が必要です。ヘルステックの記事を読む。

参考研究

Mutz, J., Iniesta, R. and 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.