Maaari bang I-predict ng AI ang Metabolomic Age ng Isang Tao at Iangkop ang mga Plano sa Kalusugan Nang Ayon Dito?

Artificial intelligence patuloy na itinutulak ang mga hangganan ng agham at pagsisiyasat sa kalusugan. Mula sa pagmamapa ng mga protina hanggang sa mga neural network, patuloy na nagdudulot ang mga sistemang ito ng mga pagbabago sa industriya. Sa buwang ito, isang pangkat ng mga kapaki-pakinabang na mananaliksik mula sa Institute of Psychiatry, Psychology & Neuroscience ang nagpatuloy sa integrasyon ng AI. Naglabas sila ng isang pag-aaral¹ kung saan ginamit ang mga algorithm ng AI upang hulaan ang metabolic age ng mga pasyente. Narito ang mga dapat mong malaman.

Oras Kronolohikal vs Oras Biological

Upang maunawaan ang kahalagahan ng pag-unlad na ito, mahalagang maunawaan ang mga pagkakaiba sa pagitan ng iyong kronolohikal at biological na edad. Ang dalawang pamamaraang ito sa pagtukoy ng edad ng iyong katawan ay ginagamit sa iba’t ibang paraan ng mga propesyonal sa pangangalagang pangkalusugan. Dahil dito, mahalagang matukoy nang tama ang pareho kapag nagbabalangkas ng mga estratehiya sa pangangalaga sa kalusugan.

Oras Kronolohikal

Ang iyong kronolohikal na edad ay ang edad batay sa bilang ng mga araw ng iyong buhay. Makakatulong ang iyong kronolohikal na edad sa mga propesyonal sa pangangalagang pangkalusugan upang maunawaan kung ano ang makatwirang asahan mula sa iyong katawan kaugnay ng kalagayan ng kalusugan, mga palatandaan ng pagtanda, pamumuhay, at iba pa. Makakatulong din ito sa mga propesyonal na bumuo ng mga gamot na iniayon para sa tiyak na mga pangkat ng edad, na nagreresulta sa mas epektibong pangangalaga. Mahalaga, ang iyong kronolohikal na edad ay hindi maaaring baguhin.

Oras Biological

Ang iyong biological na edad ay kumakatawan sa antas ng molecular at selularyong pinsala. Hindi tulad ng kronolohikal na pagtanda, ang biological na pagtanda ay maaaring baguhin sa pamamagitan ng pagbabago ng pamumuhay, kapaligiran, diyeta, at iba pa. Makikita ang iyong biological na pagtanda sa antas ng pagganap at kakayahan batay sa mga inaasahan ng iyong kronolohikal na edad. Ang pangunahing layunin ng mga biological clock ay subaybayan at ipakita kung paano nagbabago ang iyong metabolismo sa paglipas ng panahon.

Pag-aaral ng AI-Powered Metabolomic Age Clocks

Ang mga AI-powered biological aging clock ay maaaring magbago ng industriya. Ang mga algorithm na ito ay maaaring ikonekta ang napakalaking dami ng datos upang lumikha ng masusing mga mapa na nag-iintegrate ng advanced na datos ng metabolite. Kapansin-pansin, ang pag-aaral na ito ang unang naghangad na gamitin ang AI upang i-map at i-rate ang mga metabolite.

Metabolites

Ang mga metabolite ay mga marker na matatagpuan sa dugo na lumilitaw matapos ang metabolismo. Sila ay may maraming tungkulin at maaaring magpahiwatig ng ilang aspeto ng kalusugan. Ang mga molekulang ito ay isang medyo hindi pa napag-aaralang paraan ng pagtukoy ng kalagayan at inaasahan ng kalusugan ng pasyente.

Sa pamamaraang ito, nagdadala ang mga inhinyero ng mga estadistikal o machine‑learning na algorithm. Ang mga sistemang ito ay partikular na dinisenyo upang tuklasin ang mga ugnayan sa pagitan ng kronolohikal na edad at molecular na datos. Ang resulta ay mas malalim at indibidwal na pag-unawa sa metabolic age ng isang tao.

Metabolomic Age – MileAge

Bilang bahagi ng pag-aaral, lumikha ang mga inhinyero ng isang sistema ng pagraranggo ng Metabolic Age. Binigyan ang bawat pasyente ng isang MileAge batay sa pagkakaiba sa pagitan ng metabolite‑predicted at kronolohikal na edad. Ang pamamaraan ng MileAge ay gumagamit ng maraming metabolic marker. Partikular, natuklasan ng mga inhinyero na ang isang piling panel ng mga metabolite ay naglalarawan ng higit sa kalahati ng variance sa kronolohikal na edad.

Dagdag pa, natuklasan ng mga mananaliksik na ang mga may mas mataas na MileAge ay mas madaling maapektuhan ng mga panganib at salik sa kalusugan. Ang kanilang mga katawan ay mas mahina at hindi kasing bilis maghilom. Kapansin-pansin, ang kanilang mga selula ay nagpakita ng mas maikling telomere, na isa pang palatandaan ng pagguho ng kalusugan at pagtanda. Ang pagkakaiba sa pagitan ng metabolite‑predicted na edad at kronolohikal na edad ay tinatawag na MileAge Delta.

Pinagmulan – Science.org

Pagsusulit ng Metabolomic Age Study

Upang matuklasan ang pinakamainam na mga algorithm ng MileAge, kinailangan ng mga inhinyero na subukan ang maraming iba’t ibang machine learning algorithm. Kapansin-pansin, ginamit ng koponan ang nuclear magnetic resonance spectroscopy upang subaybayan ang mga pagbabago sa selula. Nagsimula sila sa pagbuo ng 17 machine learning algorithm batay sa datos na nakalap mula sa dugo ng mahigit 225,000 na kalahok ng UK Biobank.

Kapansin-pansin, ang edad ng mga kalahok ay mula 40 hanggang 69 taon. Ang mga algorithm ay pinrograma gamit ang 168 plasma metabolites na nagmula sa datos ng UK Biobank. Kabilang dito ang mga nasa gitna ng edad at mga nakatatanda.

Ang susunod na hakbang ay ikumpara ang mga AI algorithm upang alamin kung alin ang pinaka-tumpak. Gumamit ang koponan ng nuclear magnetic resonance (NMR) spectroscopy upang makuha ang datos mula sa mga blood bank bilang batayan para sa bawat modelo. Ang paghahambing ay nagbunga ng ilang kawili-wiling resulta.

Resulta ng Metabolomic Age Study

Ipinakita ng pag-aaral na hindi pantay-pantay ang mga AI algorithm pagdating sa kakayahang tumpak na hulaan ang MileAge. Napansin ng mga inhinyero na ang Cubist rule‑based regression at mga linear algorithm ang pinaka‑epektibo sa pagtukoy ng mga senyales ng pagtanda.

Ibinunyag ng pag-aaral na 116 na metabolite ang may papel sa prosesong ito, kung saan ang GlycA, omega‑3, at DHA ang may pinakamataas na korelasyon sa edad. Ang mga natuklasang ito ay nagpakita na ang mas kumplikadong nonlinear na AI system ang pinakamahusay na opsyon.

Mga Benepisyo ng Metabolomic Age Study

Nagdadala ang pag-aaral ng metabolic age ng ilang mahahalagang benepisyo. Una, magbibigay ito sa mga tao ng kakayahang subaybayan ang kanilang kalusugan sa pamamagitan ng pagpapalakas ng proaktibong pag-uugali. Maging susi rin ito para sa mga propesyonal upang matukoy ang pinakamainam na mga praktis at estratehiya sa pangangalaga batay sa pangangailangan ng bawat pasyente.

Paggamit ng Metabolic Age Bilang Maagang Palatandaan

Ang pagsuri ng iyong MileAge ay maaaring magbigay sa iyo ng dagdag na kumpiyansa sa iyong kalusugan. Pinapadali ng sistemang ito ang pag‑tuklas ng mga maagang palatandaan ng pagguho ng kalusugan. Dahil dito, maaaring magrekomenda ang mga propesyonal ng mas epektibong hakbang upang labanan ang sakit. Maglalaro rin ito ng mahalagang papel sa pagpapabuti ng mga preventive measure sa pamamagitan ng madaling pag‑tukoy kung sino ang nasa mataas na panganib.

Mga Use Case para sa Metabolic Age

May ilang agarang at pangmatagalang senaryo ng paggamit para sa teknolohiyang batay sa MileAge. Ang mga opsyon na ito ay mula sa pagpapahintulot sa mga tao na mas mahusay na subaybayan ang kanilang kalusugan, hanggang sa paglikha ng mga advanced na pamamaraan ng pangangalaga at paggamot na nag-iintegrate ng mahahalagang metabolic marker.

Health Assessments

Sa puso ng teknolohiyang ito ay ang kakayahang lumikha ng mas kapaki-pakinabang at tiyak na health assessments. Kailangan ng mga kompanya ng seguro at mga propesyonal sa pangangalagang pangkalusugan na gamitin ang teknolohiyang ito upang mapabuti at masubaybayan ang kanilang mga estratehiya sa pangangalaga sa kasalukuyan. Sa hinaharap, maaaring kailanganin mong sumailalim sa isang MileAge checkup bago makakuha ng coverage.

Risk Stratification

Isa pang mahalagang agham na maaaring makinabang mula sa integrasyon ng MileAge ay ang risk stratification. Gagamitin ng mga mananaliksik ang datos na ito upang alamin kung aling mga lugar at tao ang may pinakamataas na panganib sa tiyak na mga karamdaman at sakit. Ang pagtukoy ng antas ng panganib ng mga populasyon ay makakatulong sa mga mananaliksik na matukoy at alisin ang mga hindi kinakailangang panganib na ipinapakita sa mga pasyente batay sa kanilang lokasyon o gawi.

Proactive Health Tracking

Ang pag-usbong ng mga wearable ay nagpakilala ng bagong antas ng pagsubaybay sa kalusugan. Ngayon, ang metabolic age scale ay maaaring makatulong upang higit pang mapabuti ang personal na pagsubaybay sa kalusugan. Isipin mo na lamang na kumuha ng pagsusuri o kahit pindutin ang isang pindutan sa iyong relo upang malaman ang mga pangunahing larangan na kailangan mong pagbutihin upang umabot sa antas ng iba sa iyong lugar at pangkat ng edad.

Mga Mananaliksik ng Metabolic Age

Ang pananaliksik sa MileAge ay isinagawa ng mga inhinyero mula sa Institute of Psychiatry, Psychology & Neuroscience. Nakakuha ang pag-aaral ng pondo mula sa iba’t ibang tagasuporta, kabilang ang National Institute for Health and Care Research (NIHR) at Maudsley Biomedical Research Centre (BRC). Bukod pa rito, ginampanan ng UK Biobank ang mahalagang papel sa pagbibigay ng access sa datos at mga sample.

Mga Kumpanya na Maaaring Makikinabang mula sa Metabolomic Age Study

May ilang kumpanya na maaaring i‑integrate ang teknolohiyang ito upang mapabuti ang kanilang mga alok at serbisyo. Ang mga kumpanyang ito ay gumagana sa industriya ng pangangalagang pangkalusugan at kasalukuyang nagbibigay ng ilang anyo ng serbisyo na gumagamit ng kalagayan ng kalusugan ng isang tao bilang indikasyon o sukatan kapag tinutukoy ang mga produkto o alok.

10x Genomics Inc

10x Genomics Inc (TXG ) ay isang advanced scientific research corporation na dalubhasa sa gene sequencing tech. Ang kumpanya ay pumasok sa merkado noong 2012 bilang  Avante Biosystems, Inc. bago muling mag‑brand bilang 10x Genomics.  Ang proyekto ay itinatag nina  Serge Saxonov, Ben Hindson, at Kevin Ness upang mapabuti ang pag‑unawa sa biology para sa mga eksperto sa pangangalagang pangkalusugan. Ngayon, ang kumpanya ay nagbibigay ng iba’t ibang serbisyo na sumasaklaw sa immunology at neuroscience.

Noong 2018, gumawa ang 10x Genomics ng ilang mataas na antas na acquisition na nagpa‑unlad ng kanilang teknolohiya at posisyon sa merkado. Halimbawa, nakuha nila ang Epinomics at Spatial Transcriptomics. Ang parehong hakbang ay nagpalawak ng kanilang alok at nagbigay sa kumpanya ng access sa mga advanced na teknolohiya.

Kapansin‑pansin, ang TXG ay isang popular na stock na patuloy na kumukuha ng atensyon ng mga mamumuhunan kasabay ng mga tagumpay ng kumpanya. Hanggang ngayon, nakatanggap ang kumpanya ng maraming parangal kabilang ang The Scientist Top 10 Innovations award noong 2017, 2018, 2019, 2020, at 2021. Bukod pa rito, itinuturing itong isa sa nangungunang 100 global research institution at palaging nasa top 20 ng mga global pharmaceutical research firm.

Hinaharap ng Metabolic Age Study

Ngayon na natukoy ng mga inhinyero na ang MileAge marker ay nagbibigay ng mas tumpak na resulta kumpara sa mga naunang pamamaraan, tiyak na magkakaroon pa ng karagdagang peer review bago ito maisama. Ang pamamaraang ito ng pagsubaybay sa kalusugan ay mabilis na tatanggapin habang mas maraming ahensya ang nakikilala ang karagdagang katumpakan at pagtitipid na hatid nito.

Metabolic Age – Pagsubaybay sa Iyong Kalusugan sa Bagong Antas.

Ang karaniwang tao ay makakakuha ng maraming benepisyo mula sa pag-aaral na ito kaugnay ng kanilang hinaharap na pangangalagang pangkalusugan. Halimbawa, ang mga kompanya ng seguro, mga tagapagbigay ng pangangalagang pangkalusugan, at mga gumagawa ng gamot ay lahat ay magagamit ang impormasyong ito upang mas tumpak na magbigay ng mga serbisyo sa populasyon. Dahil dito, may matinding pangangailangan para sa datos na ito na mabigyan ng prayoridad sa integrasyon. Anuman ang panahon na kinakailangan upang maisakatuparan, ang mga MileAge marker ay agad na magiging mahalaga sa pagtukoy ng mga health care plan at iba pa.

Alamin ang iba pang mga kawili‑wikiling health tech ngayon.

Sanggunian ng Pag-aaral:

^{1. Mutz, J., Iniesta, R., & Lewis, C. M. (2024). Ang metabolomic age (MileAge) ay nagtataya ng kalusugan at haba ng buhay: Isang paghahambing ng maraming algorithm ng machine learning. Science Advances, 10(51), eadp3743. https://doi.org/10.1126/sciadv.adp3743}