Kan AI förutsäga en persons metabolomiska ålder och anpassa hälsoplaner därefter?

En ålder som uppskattas utifrån ämnen i blodet kan skilja sig från den kronologiska åldern. Forskare vid King’s College London jämförde algoritmer som räknar ut denna ”metabolomiska ålder” i en stor forskningskohort. Resultaten visade samband med mått på hälsa och överlevnad. Metoden är ännu inget kliniskt test som på egen hand kan avgöra behandling eller försäkringsskydd.

Kronologisk och metabolomisk ålder

Kronologisk ålder är tiden sedan födseln. Biologiskt åldrande är ett bredare begrepp för förändringar i kroppens funktion. En uppskattning utifrån blodets metaboliter speglar bara en del av detta och är inte ett fullständigt mått på en människas ”biologiska ålder”. Studien visar inte att en åtgärd som ändrar värdet nödvändigtvis minskar sjukdomsrisken.

Vad är metaboliter?

Metaboliter är små molekyler som ingår i eller bildas genom kroppens biokemiska processer. Nivåerna i blodet kan ge information om olika ämnesomsättningsvägar. I studien mättes 168 metabola kännetecken i plasma med kärnmagnetisk resonansspektroskopi.

Så genomfördes MileAge-studien

Forskarna tränade och validerade internt 17 maskininlärningsalgoritmer med uppgifter från upp till 225 212 deltagare i UK Biobank. Deltagarna var 40–69 år när de rekryterades. Modellerna uppskattade deras ålder från blodprover, och uppskattningen jämfördes med den kända kronologiska åldern.

MileAge delta är skillnaden mellan modellens uppskattade ålder och den kronologiska åldern. Ett positivt värde betyder att den metabola profilen enligt just den modellen liknar profilen hos en äldre person. Det är ett statistiskt forskningsmått, inte en individuell diagnos.

Resultat och begränsningar

Av de undersökta metoderna hade MileAge-skillnaden från en regelbaserad Cubist-regressionsmodell starkast samband med de studerade hälso- och åldringsmåtten. Forskarna analyserade bland annat samband med skörhet, telomerlängd och dödlighet. Ett samband visar inte att metabolomisk ålder orsakar dessa utfall eller att modellen säkert kan förutsäga en enskild persons livslängd.

Materialet kom från UK Biobank och den rapporterade valideringen var intern. Metoden behöver prövas oberoende i andra befolkningar, åldersgrupper och kliniska miljöer. Andra mättekniker och modeller kan ge andra uppskattningar.

Möjliga användningar i forskning

Ett tillförlitligt validerat metaboliskt mått skulle kunna hjälpa forskare att studera åldrande, jämföra grupper och undersöka riskfaktorer. Efter ytterligare prövning skulle det möjligen kunna komplettera annan information i förebyggande vård. Studien visar inte att en smartklocka kan mäta MileAge med en knapptryckning eller att vårdgivare och försäkringsbolag redan bör fatta beslut utifrån värdet.

Forskare och finansiering

Författarna är Julian Mutz, Raquel Iniesta och Cathryn M. Lewis vid Institute of Psychiatry, Psychology & Neuroscience på King’s College London. De använde data från UK Biobank. Forskningsstödet omfattade NIHR och Maudsley Biomedical Research Centre.

Företag inom livsvetenskap

Nya metoder för analys av biologiska data kan vara intressanta för branschen. Det betyder inte att just den här studien validerar ett visst företags produkter eller ger en aktieprognos.

10x Genomics Inc.

10x Genomics (TXG ) utvecklar verktyg för analys av celler och biologiska prover. Företaget tog inte fram MileAge-modellen i studien, och här finns inget belagt kommersiellt samband mellan dem.

Nästa steg

Studien visar att algoritmvalet påverkar vad som kan utläsas ur samma metabola data. MileAges praktiska nytta beror på oberoende validering, reproducerbara mätningar och belägg för att måttet tillför information utöver etablerade kliniska uppgifter. Läs mer om hälsoteknik.

Refererad studie

Mutz, J., Iniesta, R. och 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.