Investigadores del Instituto de Psiquiatría, Psicología y Neurociencia (IOPPN) del King’s College de Londres llevaron a cabo un estudio exhaustivo para evaluar un reloj de envejecimiento basado en inteligencia artificial, que predice la salud y la esperanza de vida utilizando datos de la sangre.
Los investigadores entrenaron y probaron 17 algoritmos de aprendizaje automático utilizando datos de marcadores sanguíneos de 225.000 participantes del Biobanco del Reino Unido de entre 40 y 69 años cuando fueron reclutados. Investigaron cómo los diferentes relojes metabólicos del envejecimiento predecían la esperanza de vida y qué tan fuertemente se vinculaban estos relojes con las medidas de salud y envejecimiento.
La edad metabólica de una persona, su “kilometraje”, es una medida de la edad que tiene dentro de su cuerpo en función de marcadores llamados metabolitos en la sangre. Los metabolitos son pequeñas moléculas que se producen durante los procesos metabólicos, por ejemplo cuando los alimentos se descomponen en energía. La diferencia entre la edad prevista por los metabolitos de una persona y su edad cronológica, llamada delta de kilometraje, indica si su envejecimiento biológico se acelera o se ralentiza.
El estudio fue publicado Avances de la ciencia y comparó exhaustivamente diferentes algoritmos de aprendizaje automático sobre su capacidad para desarrollar relojes de envejecimiento biológico utilizando datos metabólicos, utilizando uno de los conjuntos de datos más grandes del mundo. Fue financiado por el Centro de Investigación Biomédica Maudsley (BRC) del Instituto Nacional de Investigación en Salud y Atención (NIHR) y utilizó datos del Biobanco del Reino Unido.
Los individuos con envejecimiento acelerado (es decir, edad prevista por metabolitos mayor que su edad cronológica) eran, en promedio, más frágiles, más propensos a sufrir enfermedades crónicas, calificaban peor su salud y tenían un mayor riesgo de mortalidad. También tenían telómeros más cortos (las ‘tapas’ al final de los cromosomas), un marcador del envejecimiento celular y asociado con enfermedades relacionadas con la edad como la aterosclerosis. Sin embargo, la disminución del envejecimiento biológico (con una edad prevista por metabolitos inferior a la edad cronológica) se asoció sólo débilmente con una mejor salud.
Los relojes envejecidos pueden ayudar a detectar signos tempranos de deterioro de la salud, permitiendo estrategias e intervenciones preventivas antes de que comience la enfermedad. Permiten a las personas realizar un seguimiento activo de su salud, tomar mejores decisiones en su estilo de vida y tomar medidas para mantenerse saludables por más tiempo.
El Dr. Julian Mutz, investigador del Premio King en IOPPN y autor principal del estudio, dijo: “El reloj de envejecimiento metabólico tiene el potencial de proporcionar información sobre quién tiene mayor riesgo de desarrollar problemas de salud más adelante en la vida. A diferencia de la edad cronológica, que no puede Aunque puede cambiarse, nuestra edad biológica es potencialmente modificable. Nuestro estudio es un paso hacia el desarrollo de relojes de envejecimiento, ayudando a dar forma a las elecciones de estilo de vida de las personas e informando las estrategias preventivas implementadas por los servicios de salud. evaluó una amplia gama de métodos de aprendizaje automático y demostró que los algoritmos no lineales funcionan mejor para capturar señales antiguas”.
La profesora Catherine Lewis, profesora de Epidemiología y Estadística Genética, codirectora del tema de Ensayos, Genómica y Predicción en NIHR Maudsley BRC y autora principal del estudio, dijo: “Existe un interés considerable en desarrollar relojes de envejecimiento que determinen con precisión nuestra biología”. edad. Potente análisis de big data. El estudio es un hito importante en el establecimiento del potencial de los relojes biológicos del envejecimiento y su capacidad para informar las decisiones de salud.
Los investigadores descubrieron que un reloj metabólico desarrollado utilizando un algoritmo específico de aprendizaje automático, llamado regresión cubista basada en reglas, estaba más fuertemente asociado con la mayoría de los marcadores de salud y envejecimiento. También descubrieron que los algoritmos que pueden modelar la relación no lineal entre el metabolismo y la edad generalmente funcionan mejor para capturar señales biológicas informativas sobre la salud y la esperanza de vida.