Yapay Zeka Bir Kişinin Metabolomik Yaşını Tahmin Edip Sağlık Planlarını Buna Göre Özelleştirebilir mi?

Kandaki moleküllerden tahmin edilen yaş, takvim yaşından farklı olabilir. King’s College London araştırmacıları, büyük bir araştırma grubunda bu «metabolomik yaşı» hesaplayan algoritmaları karşılaştırdı. Sonuçlar sağlık ve yaşam süresi ölçütleriyle ilişkiler gösterdi. Ancak yöntem, tek başına tedavi ya da sigorta kararları vermek için kullanılabilecek onaylı bir klinik test değildir.

Takvim yaşı ve metabolomik yaş

Takvim yaşı, doğumdan bu yana geçen süredir. Biyolojik yaşlanma ise vücudun işlevlerindeki daha geniş değişimleri kapsar. Kan metabolitlerinden elde edilen tahmin, bu sürecin yalnızca bir bölümünü yansıtır; kişinin «biyolojik yaşı» için eksiksiz bir ölçü değildir. Çalışma, bu sayıyı değiştiren bir müdahalenin mutlaka hastalık riskini azaltacağını göstermedi.

Metabolitler nedir?

Metabolitler, vücudun biyokimyasal süreçlerinde yer alan veya bu süreçlerde oluşan küçük moleküllerdir. Kandaki düzeyleri çeşitli metabolik yollar hakkında bilgi sağlayabilir. Araştırmada plazmadaki 168 metabolik özellik nükleer manyetik rezonans spektroskopisiyle ölçüldü.

MileAge çalışması nasıl yürütüldü?

Araştırmacılar, UK Biobank’tan en fazla 225.212 katılımcının verileriyle 17 makine öğrenmesi algoritmasını eğitti ve veri kümesi içinde doğruladı. Katılımcılar araştırmaya alındıklarında 40–69 yaşındaydı. Modeller kan örneklerinden yaş tahmin etti; tahminler bilinen takvim yaşıyla karşılaştırıldı.

MileAge delta, modelin tahmin ettiği yaş ile takvim yaşı arasındaki farktır. Pozitif değer, metabolik profilin bu belirli modele göre daha yaşlı bir kişinin profiline benzediği anlamına gelir. Bu istatistiksel bir araştırma ölçüsüdür, kişiye konan bir tanı değildir.

Sonuçlar ve sınırlamalar

İncelenen yöntemler arasında, kural temelli Cubist regresyon modelinden elde edilen MileAge farkı, değerlendirilen sağlık ve yaşlanma göstergeleriyle en güçlü ilişkileri gösterdi. Araştırmacılar kırılganlık, telomer uzunluğu ve ölüm oranıyla ilişkileri de inceledi. İstatistiksel ilişki, metabolomik yaşın bu sonuçlara neden olduğunu ya da modelin tek bir insanın ömrünü kesin olarak öngörebildiğini göstermez.

Veriler UK Biobank’tan geldi ve bildirilen doğrulama aynı veri kaynağı içinde yapıldı. Yaklaşımın başka topluluklarda, yaş gruplarında ve klinik ortamlarda bağımsız olarak sınanması gerekir. Farklı ölçüm teknikleri ve modeller farklı yaş tahminleri verebilir.

Araştırmada olası kullanım

Güvenilir biçimde doğrulanmış bir metabolik ölçü, yaşlanmayı incelemeye, grupları karşılaştırmaya ve risk etkenlerini araştırmaya yardımcı olabilir. Daha fazla değerlendirmeden sonra koruyucu sağlık hizmetlerinde başka bilgilere eklenmesi mümkün olabilir. Çalışma, bir akıllı saatin tek dokunuşla MileAge ölçebildiğini veya sağlık ve sigorta kurumlarının şimdiden yalnızca bu puana göre karar vermesi gerektiğini göstermiyor.

Araştırmacılar ve finansman

Yazarlar, King’s College London Institute of Psychiatry, Psychology & Neuroscience bünyesinden Julian Mutz, Raquel Iniesta ve Cathryn M. Lewis’tir. UK Biobank verileri kullanıldı. Araştırma desteği arasında NIHR ve Maudsley Biomedical Research Centre bulunuyordu.

Yaşam bilimleri şirketleri

Biyolojik verileri analiz eden yeni yöntemler sektörün ilgisini çekebilir. Bu, söz konusu çalışmanın belirli bir şirketin ürünlerini doğruladığı veya hisse senedi tahmini sağladığı anlamına gelmez.

10x Genomics Inc.

10x Genomics (TXG ), hücreleri ve biyolojik örnekleri analiz etmeye yönelik araçlar geliştirir. Bu çalışmadaki MileAge modelini şirket geliştirmedi ve araştırma ikisi arasında ticari bir ilişki ortaya koymadı.

Sonraki adımlar

Çalışma, aynı metabolik verilerden çıkarılan sonuçların algoritma seçimine bağlı olduğunu gösteriyor. MileAge’in pratik değeri; bağımsız doğrulamaya, tekrarlanabilir ölçümlere ve mevcut klinik bilgilere ek yarar sağladığının gösterilmesine bağlıdır. Sağlık teknolojileri hakkında daha fazla bilgi.

Atıf yapılan çalışma

Mutz, J., Iniesta, R. ve 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.