Kan AI iemands metabolomische leeftijd voorspellen en gezondheidsplannen hierop afstemmen?

Artificial intelligence continues to push the boundaries of science and health exploration. From mapping proteins to neurological networks, these systems continue to make game-changing impacts on the sector. This month, a group of advantageous researchers from the Institute of Psychiatry, Psychology & Neuroscience took AI integration further. They released a studie¹ in which AI algorithms were used to predict the metabolic age of patients. Here’s what you need to know.

Chronologische klok vs biologische klok

Chronologische klokken

Je chronologische leeftijd is je leeftijd gebaseerd op het aantal dagen dat je geleefd hebt. Je chronologische leeftijd kan zorgprofessionals helpen te begrijpen wat redelijkerwijs van je lichaam verwacht kan worden op het gebied van gezondheidstoestand, tekenen van veroudering, levensstijlen en meer. Het kan ook professionals helpen geneesmiddelen te ontwikkelen die zijn afgestemd op bepaalde leeftijdsgroepen, waardoor zorg effectiever wordt. Opmerkelijk is dat je chronologische leeftijd niet kan worden veranderd.

Biologische klokken

Je biologische leeftijd vertegenwoordigt de mate van moleculaire en cellulaire schade. In tegenstelling tot chronologische veroudering kan biologische veroudering worden beïnvloed door veranderingen in levensstijl, omgeving, dieet en meer. Je biologische veroudering zal merkbaar zijn in de prestaties en capaciteiten ten opzichte van de verwachtingen op basis van je chronologische leeftijd. Het belangrijkste doel van biologische klokken is het volgen en aantonen hoe je metabolisme in de loop van de tijd verandert.

Studie naar AI-aangedreven metabolomische leeftijdsklokken

AI-aangedreven biologische verouderingsklokken kunnen de sector revolutioneren. Deze algoritmen kunnen enorme hoeveelheden gegevens koppelen om diepgaande kaarten te maken die geavanceerde metabolietgegevens integreren. Opmerkelijk is dat deze studie de eerste was die AI probeerde te gebruiken om metabolieten in kaart te brengen en te beoordelen.

Metabolieten

Metabolieten zijn markers die in het bloed worden aangetroffen na het metabolisme. Ze vervullen meerdere functies en kunnen bepaalde aspecten van de gezondheid aangeven. Deze moleculen vormen een relatief onontgonnen methode om de gezondheidstoestand en verwachtingen van een patiënt te bepalen.

In deze benadering introduceren ingenieurs statistische of machine‑learning‑algoritmen. Deze systemen zijn specifiek ontworpen om relaties tussen chronologische leeftijd en moleculaire data te vinden. Het resultaat is een dieper en meer gepersonaliseerd inzicht in de gezondheidsleeftijd van een persoon.

Metabolomische leeftijd – MileAge

Als onderdeel van de studie ontwikkelden de ingenieurs een rangschikkingssysteem voor metabolische leeftijd. Elke patiënt kreeg een MileAge toegewezen op basis van het verschil tussen de door metabolieten voorspelde leeftijd en de chronologische leeftijd. De MileAge‑benadering maakt gebruik van een aantal metabole markers. Concreet ontdekten de ingenieurs dat een geselecteerd panel van metabolieten meer dan de helft van de variantie in chronologische leeftijd verklaarde.

Daarnaast ontdekten onderzoekers dat personen met een hogere MileAge veel vatbaarder waren voor risico‑ en gezondheidsfactoren. Hun lichamen waren ook zwakker en konden niet zo snel genezen. Opmerkelijk is dat hun cellen kortere telomeren vertoonden, wat een ander teken is van afnemende gezondheid en veroudering. Het verschil tussen de door metabolieten voorspelde leeftijd en de chronologische leeftijd wordt de MileAge‑Delta genoemd.

Bron – Science.org

Metabolomische leeftijdsstudie – test

Om de optimale MileAge‑algoritmen te ontdekken, moesten ingenieurs veel verschillende machine‑learning‑algoritmen testen. Opmerkelijk is dat het team nucleaire magnetische resonantie‑spectroscopie (NMR) gebruikte om cellulaire veranderingen te monitoren. Ze begonnen met het ontwikkelen van 17 machine‑learning‑algoritmen op basis van gegevens verkregen uit bloed van meer dan 225.000 deelnemers van de UK Biobank.

Opmerkelijk is dat de leeftijd van de deelnemers varieerde van 40 tot 69 jaar. De algoritmen werden geprogrammeerd met behulp van 168 plasmametabolieten afkomstig van UK Biobank‑gegevens. Het omvatte middelbare en oudere volwassenen.

De volgende stap was het vergelijken van de AI‑algoritmen om te bepalen welke het nauwkeurigst waren. Het team gebruikte nucleaire magnetische resonantie‑spectroscopie (NMR) om gegevens uit de bloedbanken te verkrijgen en elk model te benchmarken. De vergelijking leverde enkele interessante resultaten op.

Resultaten van de metabolomische leeftijdsstudie

De studie toonde aan dat AI‑algoritmen niet allemaal gelijk zijn in hun vermogen om MileAge nauwkeurig te voorspellen. De ingenieurs merkten op dat Cubist regelgebaseerde regressie en lineaire algoritmen het meest effectief waren bij het bepalen van verouderingssignalen.
De studie onthulde dat 116 metabolieten een rol spelen in deze functie, waarbij GlycA, omega‑3 en DHA de hoogste correlatie met leeftijd vertoonden. Deze bevindingen toonden aan dat complexere niet‑lineaire AI‑systemen de beste opties waren.

Voordelen van de metabolomische leeftijdsstudie

Deze metabolische leeftijdsstudie biedt verschillende belangrijke voordelen. Ten eerste stelt het mensen in staat hun gezondheid te volgen door proactief gedrag te stimuleren. Het zal ook een belangrijk hulpmiddel zijn voor professionals om de beste zorgpraktijken en strategieën te bepalen die moeten worden geïmplementeerd op basis van de individuele behoeften van de patiënt.

Metabolische leeftijd gebruiken als vroegtijdige waarschuwingsindicator

Het controleren van je MileAge kan je extra vertrouwen geven in je gezondheid. Dit systeem maakt het eenvoudiger om vroege tekenen van afnemende gezondheid te zien. Hierdoor kunnen zorgprofessionals effectievere maatregelen aanbevelen om ziekten te bestrijden. Het zal ook een belangrijke rol spelen bij het verbeteren van preventieve maatregelen door gemakkelijk te identificeren wie een hoog risico heeft.

Toepassingsscenario’s voor metabolische leeftijd

Er zijn verschillende directe en toekomstige toepassingsscenario’s voor MileAge‑gebaseerde technologieën. Deze opties variëren van het beter laten monitoren van de gezondheid van mensen tot het creëren van geavanceerde zorg- en behandelingsmethoden die belangrijke metabole markers integreren.

Gezondheidsbeoordelingen

De kern van deze technologie omvat de mogelijkheid om meer bruikbare en specifieke gezondheidsbeoordelingen te maken. Verzekeringsmaatschappijen en zorgprofessionals zullen deze technologie moeten benutten om hun zorgstrategieën momenteel te verbeteren en te monitoren. In de toekomst moet je mogelijk een MileAge‑checkup ondergaan voordat je een dekking krijgt.

Risicostratificatie

Een andere belangrijke wetenschap die kan profiteren van MileAge‑integratie is risicostratificatie. Onderzoek zal deze gegevens gebruiken om te achterhalen welke gebieden en personen het hoogste risico lopen op bepaalde aandoeningen en ziektes. Het bepalen van het risiconiveau van populaties zal onderzoekers helpen onnodige risico’s voor patiënten, gebaseerd op hun locatie of gewoonten, te identificeren en te elimineren.

Proactieve gezondheidsmonitoring

De opkomst van wearables heeft een nieuw niveau van gezondheidsmonitoring geïntroduceerd. Nu kan de schaal voor metabolische leeftijd helpen de persoonlijke gezondheidsmonitoring nog verder te verbeteren. Stel je voor dat je een test doet of simpelweg op een knop op je horloge drukt om de belangrijkste gebieden te ontdekken die je moet verbeteren om je gezondheid op peil te brengen en gelijk te maken met anderen in jouw regio en leeftijdsgroep.

Onderzoekers van metabolische leeftijd

Het MileAge‑onderzoek werd uitgevoerd door ingenieurs van het Institute of Psychiatry, Psychology & Neuroscience. De studie kreeg financiering van diverse financiers, waaronder het National Institute for Health and Care Research (NIHR) en het Maudsley Biomedical Research Centre (BRC). Daarnaast speelde de UK Biobank een cruciale rol bij het verstrekken van toegang tot gegevens en monsters.

Bedrijven die kunnen profiteren van de metabolomische leeftijdsstudie

Er zijn verschillende bedrijven die deze technologie kunnen integreren om hun aanbod en diensten te verbeteren. Deze bedrijven opereren in de gezondheidszorg en bieden al een vorm van dienst die de gezondheidstoestand van een persoon gebruikt als indicator of maatstaf bij het bepalen van producten of aanbiedingen.

10x Genomics Inc

10x Genomics Inc (TXG ) is een geavanceerd wetenschappelijk onderzoekscorporatie die zich specialiseert in gen‑sequencing‑technologie. Het bedrijf betrad de markt in 2012 als  Avante Biosystems, Inc. voordat het werd omgedoopt tot 10x Genomics.  Het project werd opgericht door  Serge Saxonov, Ben Hindson en Kevin Ness om het begrip van biologie voor zorgprofessionals te verbeteren. Vandaag biedt het bedrijf diverse diensten aan die zich uitstrekken over immunologie en neurowetenschappen.

In 2018 deed 10x Genomics verschillende grootschalige overnames die haar technologie en marktpositie verbeterden. Bijvoorbeeld, het bedrijf nam Epinomics en Spatial Transcriptomics over. Beide stappen verbeterden haar aanbod en gaven het bedrijf toegang tot geavanceerde technologieën.

Opmerkelijk is dat TXG een populaire aandelen is die voortdurend de aandacht van investeerders trekt naast de prestaties van het bedrijf. Tot nu toe heeft het bedrijf meerdere prijzen ontvangen, waaronder The Scientist Top 10 Innovations award in 2017, 2018, 2019, 2020 en 2021. Daarnaast wordt het beschouwd als een van de top 100 wereldwijde onderzoeksinstellingen en staat het consequent in de top 20 van wereldwijde farmaceutische onderzoeksbedrijven.

Toekomst van de metabolische leeftijdsstudie

Nu ingenieurs hebben vastgesteld dat de MileAge‑marker nauwkeurigere resultaten levert dan eerdere methoden, zal er ongetwijfeld extra peer review plaatsvinden vóór integratie. Deze methode om gezondheid te volgen zal snel worden overgenomen nu meer organisaties de toegevoegde nauwkeurigheid en besparingen realiseren.

Metabolische leeftijd – je gezondheid op nieuwe niveaus volgen.

De gemiddelde persoon haalt veel voordeel uit deze studie met betrekking tot toekomstige gezondheidszorg. Ten eerste zullen verzekeringsmaatschappijen, zorgverleners en farmaceutische fabrikanten hun informatie kunnen benutten om de bevolking nauwkeuriger van diensten te voorzien. Hierdoor is er een grote vraag naar deze gegevens om prioriteit te krijgen bij integratie. Ongeacht de tijd die nodig is om dit te implementeren, zullen MileAge‑markers spoedig cruciaal worden bij het bepalen van zorgplannen en meer.

Ontdek nu andere coole health‑techs now.

Studieverwijzing:

^{1. Mutz, J., Iniesta, R., & Lewis, C. M. (2024). Metabolomische leeftijd (MileAge) voorspelt gezondheid en levensduur: Een vergelijking van meerdere machine‑learning‑algoritmen. Science Advances, 10(51), eadp3743. https://doi.org/10.1126/sciadv.adp3743}